摘要：近日，亚太眼整形外科学会主席、中华医学会眼科分会眼整形眼眶病学组副组长李冬梅教授团队携手爱尔数字眼科研究所，在《NPJ digital medicine》（影响因子：12.4）学术期刊发表团队成果：眼睑肿物智能筛查小程序。

近日，亚太眼整形外科学会主席、中华医学会眼科分会眼整形眼眶病学组副组长李冬梅教授团队携手爱尔数字眼科研究所，在《NPJ digital medicine》（影响因子：12.4）学术期刊发表团队成果：眼睑肿物智能筛查小程序。

此次国际学术舞台的亮相，标志着AI技术在眼科医疗应用方面取得重大进展，也为眼睑肿物的筛查与诊疗开辟了全新路径。

眼睑肿物是眼科常见病症，涵盖多种类型，其中既有色素痣、睑黄瘤等良性病变，也包括基底细胞癌、睑板腺癌等恶性肿瘤。眼睑肿物的早期发现、定期监测对患者至关重要。

这项研究提供了一种基于深度学习识别眼睑肿物的手机应用程序，并在外部验证集中表现优异，表明其具备在大规模筛查和临床初诊中的应用前景，进而更好的提供外眼健康支持。

▲论文截图

在这项研究中，研究团队基于YOLOv5和Efficient Net v2-B架构的智能眼睑肿瘤筛查应用程序，使用已有病理结果的外眼照片开发了眼睑肿物筛查系统来识别眼睑肿物性质，其中包括基地细胞癌、皮脂腺癌、黑色素瘤、鳞状细胞癌、色素痣、囊肿、脂溢性角化病、黄色瘤等。

▲智能识别眼睑肿物

模型基于预处理的照片及病理结果进行开发，并将其转换为智能手机的应用程序“眼睑肿物智能筛查”。研究团队共收集了1195张临床外眼照片用于建立模型。首先基于YOLOv5架构建立单眼定位模型，之后基于Efficient-Net架构建立三分类模型（良性/恶性眼睑肿物或正常眼）。

▲基于深度学习系统开发的自动检测眼睑肿物应用程序的代表性结果。A.单眼定位模型结果。B.三分类模型结果（良性/恶性眼睑肿瘤或正常眼）。

该模型的单眼三分类性能在外部验证集中的中达到了0.921的准确性和0.917的AUC，优于全科医生、住院医生和初级、中级眼整形医师。

▲深度学习算法的性能。A.由深度学习算法在外部测试集上的ROC曲线。B.深度学习算法在外部测试集上的PR曲线。

“眼睑肿物智能筛查”应用程序具备了简单的操作过程、友好的操作界面，并给出了建议诊疗方案和常见眼睑肿物的科普。“眼睑肿物智能筛查”为识别和区分眼睑肿物提供了初步证据，并有可能为社区卫生保健人员、患者和专科医师提供检测和监测服务。

▲应用程序操作示意

此次眼睑肿物智能筛查小程序在权威学术期刊的发布，充分展现了AI技术在眼科医疗领域的巨大潜力。这一成果不仅是技术创新的结晶，更是产学研深度融合的典范。从行业应用探索到学术论文发表，实现了学术与实践的紧密结合。

爱尔眼科作为全球规模的眼科医疗机构，为此次合作提供了坚实的支撑。近年来，爱尔眼科凭借强大的全球医疗连锁背景，组建了一支国际同步水平的专家团队，具备精准诊断、个性治疗的全学科覆盖诊疗能力。

未来，随着技术的不断优化和拓展，这一创新成果有望为更多眼科疾病的诊疗提供创新思路和诊疗方案，爱尔眼科也将继续推动眼科医疗行业朝着智能化、便捷化方向加速发展，让更多患者从中受益。

论文链接：https://www.nature.com/articles/s41746-025-01539-9

来源：湖南医聊一点号