基于大模型的高通量AI辅助OCT诊断

本研究探讨基于高通量、大模型的AI辅助诊断光学相干断层扫描（OCT）和光学相干断层扫描血管成像（OCTA）的关键技术。 OCT/OCTA成像已成为检测和监测视网膜及视神经疾病不可或缺的无创工具，但人工判读仍耗时、依赖经验且受观察者间变异性的限制。 大型人工智能模型的最新进展为开发可扩展、可泛化的诊断工具提供了机会，这些工具能够处理大规模多模态数据集并支持临床决策。

本观察性研究将纳入在北京协和医院接受常规OCT和/或OCTA检查，并被诊断为以下一种或多种疾病的患者：糖尿病视网膜病变、视网膜分支静脉阻塞、视网膜中央静脉阻塞、年龄相关性黄斑变性、病理性近视性脉络膜新生血管或伴有视神经损伤的青光眼。 研究将包括回顾性收集和前瞻性获取的影像及临床数据，遵循标准化的质量控制与数据管理流程。

高通量诊断框架将使用大规模图像和临床数据集进行训练与验证。 主要结局指标包括诊断性能指标，如受试者工作特征曲线下面积（AUC）。 次要结局指标包括敏感性、特异性，以及在适用情况下的病灶水平或结构特征评估。 研究中不引入实验性干预，所有影像和临床评估均遵循标准临床诊疗规范。

本研究旨在为基于大模型的AI系统在OCT/OCTA判读中建立稳健且具临床相关性的基准，并为未来将AI辅助诊断工具整合到常规眼科实践中提供技术支持。