News Release

温州医科大学宁波市眼科医院李中文/吴国海课题组开发全球首款眼表肿瘤AI自动诊断系统

Peer-Reviewed Publication

Research

image: 

Fig. 1. Overview of the OSPM-enhanced classification model (OECM).

view more 

Credit: Copyright © 2025 Zhongwen Li et al.

研究背景: 生命之窗的隐形威胁
眼表肿瘤(ocular surface tumor, OST)看似罕见,却是潜伏在眼睛上的“定时炸弹”——从良性痣到恶性黑色素瘤,临床表现相似却结局天壤之别。恶性OST若未及时诊治,不仅导致失明,更可能转移致命。目前由于这类肿瘤存在非典型变异,加上经验丰富的眼科医生短缺,不少眼表癌前和恶性肿瘤的诊断常因被延误而错过黄金治疗期。此外,虽然医学人工智能在辅助眼科医生早期识别多种眼病方面展现出巨大潜力,但要训练常规AI模型进行OST诊断仍面临重大挑战,主要原因是缺乏包含组织病理学标记的大型、标注清晰的OST图像数据集。

研究进展

针对目前眼表肿瘤早期准确识别难及相关精确标注数据稀缺的现状,温州医科大学宁波市眼科医院联合10家医疗机构,利用76万张无标注的眼表图像,通过自监督学的方式创新性开发眼表专用预训练模型(OSPM),让AI自主理解眼表解剖结构与病变特征。随后,基于OSPM,我们仅用1,455张病理确诊的OST图像构建了OST分类诊断系统(图1),该系统在裂隙灯、普通数码相机等不同设备拍摄的图像中,性能表现出色,AUROC达0.891~0.993(图2)。

我们研发的OST分类诊断系统主要有以下三大特点

  1. 精准媲美专家
    • 识别恶性/癌前肿瘤的准确性达到了90%左右
    • 诊断水平与资深眼科医生相当,可解释性强(图3)
  2. 赋能基层医疗
    • 初级医生在AI辅助下诊断准确率提升15%
    • 系统可应用于智能手机,偏远地区可自助拍摄筛查
  3. 高效省时省力
    • 仅需传统模型35%的标注数据量 (图4)
    • 训练速度提升30%(减少10-13个训练周期)

未来展望
研究团队正推动三大应用场景:
▶三甲医院:辅助快速初筛,缩短患者等待时间
▶县域医院:提升基层医生诊断信心,减少转诊漏诊
▶高风险人群:手机拍照自查系统,实现“早拍早筛”
我们期待OST分类诊断系统成为眼表肿瘤的‘电子哨兵’,早期识别和转诊眼表癌前与恶性肿瘤,以提高患者的生存与视功能预后。

来源:https://spj.science.org/doi/10.34133/research.0711


Disclaimer: AAAS and EurekAlert! are not responsible for the accuracy of news releases posted to EurekAlert! by contributing institutions or for the use of any information through the EurekAlert system.