人工智能（artificialintelligence，AI）技术与医学的结合是当前趋势，医院的兴起极大方便了患者就诊的同时，医院就诊的效率。
人工智能+眼科=？
AI人工智能在医学领域具有强大应用潜力，它在图像识别、数据挖掘、信息提取等方面可减少重复劳动、节约成本，而且在提高疾病筛查、诊断、疗效评估、预测以及健康管理等医疗行为的效率及准确性等方面可以发挥重要作用。由于人口老龄化、慢性病患者数量增加、医疗资源总体不足及分配不均衡、健康知识普及率低等现状，AI在医疗领域存在巨大的应用需求与应用前景。
医学影像数据识别是AI尤其是深度学习技术在医疗领域最为常见和普遍的应用，眼科因影像资料丰富、获取便捷而成为研究重点。-年发表的AI与医学影像相关的同行评议研究中，眼科领域研究约占1/4。迄今，美国食品药品监督局（FDA）已批准30多项AI医学产品，而眼科疾病筛查应用属于首批获准的产品[2]。本文重点就糖尿病视网膜病变（DR）、年龄相关性黄斑变性（AMD）以及青光眼等主要致盲性眼病相关的AI研究展开，概述眼科领域AI研究现状及主要问题和应对。
眼底病分析AI用于DR筛查的问题
糖尿病视网膜病变（DR）：基于眼底照相的DR筛查是AI在眼科应用最早、相关研究最多且最为接近应用层面的领域。美国FDA于年4月首次批准了AI产品IDx-DR用于DR筛查诊断，并于年8月再次批准类似产品EyeArt的临床应用。EyeArt及Retmarker两款AI产品已在欧洲应用于DR筛查。我国国家药品监督管理局（NationalMedicalProductsAdministration，NMPA）在年也认证了两项DR筛查软件。此外，基于AI的DR识别与严重程度分级已应用于以人群为基础的研究中，基于AI的DR筛查已列入印度DR筛查规范[3-5]。
AI的DR筛查在应用中可分为AI独立筛查以及AI与人工筛查结合两种模式。AI独立筛查的阈值设置需兼顾敏感性和特异性，以保证筛查结果的准确性。在AI与人工结合的筛查模式中，需设置高敏感性的AI筛查阈值以检出可疑DR，避免漏诊，然后进一步人工确认。AI与人工结合的筛查模式更符合当前医疗现状，因此在实际应用中更加推崇[5]。
在AI对DR筛查逐级走向应用的过程中，尚有如下问题需要思考。首先，目前AI对DR筛查的主要目标是识别普通眼底照相可见的DR或较为严重需转诊的DR，未来应综合多维度临床资料以及多模态影像检查，训练出AI算法用于识别先于眼底检查可见的DR（临床前DR）以及高危人群，并予以及早干预，防患于未然，减少或避免相关视觉损伤。其次，目前多数AI软件仅识别单一疾病，筛查DR的同时识别及转诊其他眼科疾病是值得