人工智能究竟发展有多快，它对青光眼患者和研究人员意味着什么？

近年来，人工智能 (AI) 以惊人的速度发展。新的 AI 模型现在能够完成曾被认为遥不可及的任务，这些飞跃体现在许多领域（包括眼科护理）的基准、产品和研究突破中。本文探讨了衡量 AI 进展的具体指标，并将其解读为对青光眼护理和研究的意义。我们重点介绍了目前已在帮助患者的 AI 工具的真实案例，总结了即将出现的新发展（从临床试验到近期的创新），并提出了患者和研究人员今天可以探索的问题，以准备应对明天的进步。

如何衡量 AI 进展（及其增长速度）？

研究人员通过 AI 在挑战性任务（基准测试）上的表现，以及跟踪模型设计、数据和算力的改进来衡量其进展。在过去几年中，这三个因素都呈爆炸式增长。例如，一项分析发现，AI 能力的“前沿”在 2024 年左右急剧加速，其改进速度与往年相比大约翻了一番 (epoch.ai) (epoch.ai)。简而言之，AI 系统现在解决问题的速度和效果几乎是几年前的两倍。

为什么会这样？自 2010 年以来，用于训练领先 AI 模型的计算能力大约每六个月翻一番 (medium.com)，每年算力增长 4-5 倍。训练数据集（如文本或图像）也呈爆炸式增长——数据集规模大约每年增长三倍 (medium.com)。同时，模型规模（参数数量）也每年翻一番。这三大趋势——海量算力、海量数据、海量模型——共同构成了所谓的快速 AI 扩展的“三驾马车” (medium.com)。

结果是，能力往往成群结队地出现飞跃。即使在几年前还难以完成基本推理任务的尖端 AI 模型，现在也能解决复杂的数学问题，按需生成逼真的图像，甚至进行流利的医学知识对话。例如，像 OpenAI 的 GPT 系列这样的大型语言模型 (LLM) 在特定规模阈值下展现出能力上的突然飞跃 (medium.com)。每一代新模型（GPT-3 → GPT-4 → GPT-4.5 等）都在广泛的基准测试中超越了前一代。用于视觉（图像）任务的专业系统也取得了显著进展，扩散模型和神经网络现在能够以前所未有的准确性生成逼真图像或检测细微模式。简而言之，改进的步伐并非缓慢的线性增长，而是在原始指标和实际影响方面都在加速 (epoch.ai) (medium.com)。

核心要点： AI 的进展是具体且可衡量的，在过去 2-3 年里，其在标准基准和实际任务上的表现几乎翻了一番。这意味着十年前还是科幻小说的新工具，正以超乎许多人想象的速度到来。

AI 在当今青光眼护理中的应用

青光眼是全球不可逆失明的主要原因，而 AI 越来越明显地可以帮助我们检测和管理它。几款由 AI 驱动的工具已经或即将投入实际应用：

• AI 增强的眼底（视网膜）摄影： 配备 AI 软件的智能手机和手持相机可以用于青光眼筛查。例如，一项 2023 年的临床研究使用了一款带有机载离线 AI 模型 (Medios AI-Glaucoma) 的智能手机眼底相机 (PMC+5)，发现其在检测可转诊青光眼方面达到了 93.7% 的灵敏度和 85.6% 的特异性 (pmc.ncbi.nlm.nih.gov)。在该研究中，AI 正确识别了其看到的 94% 的真实青光眼病例，而青光眼专家查看相同图像的识别率仅为 60%。这表明即使是性能适中的智能手机相机，结合 AI 也能在标记早期青光眼方面表现出色 (pmc.ncbi.nlm.nih.gov)。

• 通过 AI 进行视野分析： 另一个基于智能手机的例子是 iGlaucoma，这是一款使用深度学习分析视野测试数据（Humphrey 视野分析仪图表）的应用程序。在 npj Digital Medicine 发表的一项大型研究中，iGlaucoma 系统评估了数千名患者的视野，在青光眼检测方面取得了 0.966 的曲线下面积 (AUC)（灵敏度为 95.4%，特异性为 87.3%） (www.nature.com)。简单来说，这款 AI 可以利用标准青光眼视野测试的结果，几乎和专家一样好地识别青光眼，帮助发现可能被遗漏的疾病。它通过智能手机应用程序和云处理运行，使青光眼分析更加便捷。

• 初级护理中的临床试验证据： 2025 年，研究人员报告了一项在澳大利亚全科医生 (GP) 诊所进行的 AI 驱动视网膜筛查系统的前瞻性试验（“真实世界”研究） (pmc.ncbi.nlm.nih.gov)。在此研究中，50 岁以上就诊于全科医生的患者通过自动化相机拍摄非散瞳眼底照片，然后由 AI 算法分析青光眼风险。该 AI 系统实现了 0.80 的 AUROC（一个衡量整体准确性的良好指标），灵敏度为 65%，特异性为 94.6% (pmc.ncbi.nlm.nih.gov)。实际上，这意味着在 161 名患有青光眼但不知情的患者中，AI 正确地标记出 18 人需要专家审查（11%）。患者和诊所工作人员认为该系统可接受。尽管灵敏度有待提高，但该研究表明 AI 筛查在初级护理环境中大规模运作是可行的 (pmc.ncbi.nlm.nih.gov)。

• 即将推出的筛查工具和批准： 一家总部位于英国的公司 iHealthScreen 甚至已获得一项基于 AI 的青光眼筛查工具（名为 iPredict-Glaucoma）的专利，该工具分析标准彩色眼底图像。根据他们的公告，AI 可以在一分钟内生成报告，并可将患者分为可转诊青光眼与否。他们报告称，识别青光眼的准确率约为 94.3% (eyewire.news)。（这尚未获得 FDA 批准，但它展示了公司目前正在开发实用产品。）此外，现有用于相关眼部疾病的 AI 医疗设备——例如 FDA 批准用于糖尿病视网膜病变筛查的 IDx-DR 系统——为未来的青光眼 AI 工具铺平了监管道路。

总而言之，目前已有哪些应用？ 早期采用者（主要是研究和试点项目）拥有 AI 工具，可以分析眼部照片或视野测试。这些工具可以快速向眼科专业人员指出青光眼可疑病例。在临床中，一些医生现在使用包含内置 AI 分析功能（例如，用于视网膜神经纤维层变薄检测）的商用 OCT（光学相干断层扫描）设备。眼科医院也可能试点 AI 项目，检查患者扫描以发现令人担忧的变化。

对患者而言： AI 已经开始辅助青光眼的早期筛查和诊断。您可能在诊室中看不到“AI”，但如果您的医生使用数字成像，AI 算法可能正在后台悄悄分析您的视网膜或视力测试。在资源匮乏的地区或筛查项目中，基于智能手机的 AI 测试正在将青光眼检查字面上地置于临床医生的手掌中 (glaucoma.org) (pmc.ncbi.nlm.nih.gov)。如果您听说有新的青光眼筛查（例如在您的药房或初级护理诊所），请询问他们是否使用 AI 增强型相机或应用程序。证据表明，这些工具可以发现人类可能遗漏的病例 (pmc.ncbi.nlm.nih.gov) (www.nature.com)。

接下来会怎样？AI 在青光眼研究和临床试验中的应用

由于 AI 发展如此迅速，一系列用于青光眼护理的新工具正在涌现。以下是一些值得关注的领域：

• 进展预测： 研究人员正在使用 AI 来预测哪些患者会更快恶化。例如，一项 2023 年的研究利用多年的患者记录（EHR 数据）构建了“生存”AI 模型。这些模型预测了青光眼患者是否以及何时需要手术。顶级模型（深度学习和基于树的 AI）的一致性指数约为 0.77–0.80 (pubmed.ncbi.nlm.nih.gov)，优于传统的统计方法。这意味着 AI 有一天可以告诉患者和医生：“您的疾病在未来几年内很可能会迅速进展，因此我们应考虑早期干预。” 这种 AI 风险评分可以个性化随访：对高风险患者进行更频繁的检查或预防性治疗。

• 提高测试质量： AI 也被用于增强成像本身。一些团队将深度学习应用于旧的或低质量的 OCT 扫描（或眼底照片），以“提升”和去噪，有效地恢复丢失的细节 (pmc.ncbi.nlm.nih.gov)。这可以使诊所使用更快或更便宜的扫描，仍然获得神经变薄的精确检测。甚至有 AI 可以对一系列图像进行时间对齐，以突出人眼可能忽略的视盘非常缓慢的变化 (pmc.ncbi.nlm.nih.gov)。

• 与其他数据集成： 混合模型正在开发中，将成像与遗传或临床数据结合起来。例如，研究正在利用视网膜扫描以及患者风险因素（年龄、眼压、家族史）来训练 AI，以提高预测能力 (pmc.ncbi.nlm.nih.gov)。如果成功，未来的工具可能会通过一次性处理患者的所有数据来生成“青光眼风险评分”。

• 视力恢复研究： 除了诊断，AI 还与尖端治疗交叉。虽然尚未应用于青光眼，但 AI 在光遗传学/神经假体和基因疗法方面的工作，有朝一日可能有助于恢复视力。例如，各团队正在开发**“智能仿生眼”，利用 AI 优化视网膜或大脑植入物的刺激模式 (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov)。最近的一项实验室突破涉及一种与视觉皮层双向通信的大脑植入物：在实验中，盲人志愿者实时识别了形状和字母，因为 AI 控制的植入物适应了他们的神经反应 (neurosciencenews.com)。这仍处于非常早期的研究阶段（针对任何原因的严重视力丧失，不专门针对青光眼），但它展示了如果视神经损伤严重，AI 赋能的视觉假体最终如何能让青光眼患者恢复部分功能性视力。此外，AI 还用于基因疗法设计**——例如寻找最佳病毒递送途径或视网膜细胞中的新型分子靶点——这可能加速下一代视神经保护疗法的发展。

• 新的护理交付设备： 关注即将上市的新产品。公司正在改进AI 驱动的隐形眼镜或眼镜，这些眼镜可以调整视野焦点，可能有助于解决周边视力丧失的问题。远程医疗工具将利用 AI 让专家远程评估青光眼患者（例如，患者在家中使用平板电脑进行视野测试，AI 预筛查结果）。由 AI 引导的机器人手术工具也是一个新兴概念，未来可能使某些青光眼手术更安全或更精确。

总而言之，多项 AI 在青光眼应用中的后期开发和试验正在进行中。研究人员应注意，在未来几年内，我们可能会看到基于 AI 的青光眼工具获得 FDA（或同等机构）的批准，就像我们之前看到的糖尿病视网膜病变一样。青光眼专家和临床医生很快就需要将这些工具整合到实践中——例如，在依赖任何新的 AI 工具之前，先在其患者群体中验证其性能。

视力恢复与前沿突破性技术展望

展望未来，如果当前的 AI 和神经工程趋势持续下去，青光眼治疗将出现一个非常乐观的愿景：保护甚至可能恢复那些本会失明患者的视力。以下是一些可能性：

• 神经假体视觉： 如上所述，前沿技术在于大脑和视网膜植入物。目前已有视网膜植入物（如 Argus II）通过电刺激视网膜产生粗略的视觉。新研究正在将此类植入物与 AI 结合。例如，2025 年的一篇综述指出，将 AI 整合到仿生眼中可以优化设备刺激神经元的方式，并改善用户的视觉输出 (pmc.ncbi.nlm.nih.gov)。最近的一项突破性进展是将电极直接植入盲人志愿者的视觉皮层，通过闭环 AI 实时调整刺激。志愿者能够识别图案和字母，这对于任何超越微弱光闪的设备来说都是首次 (neurosciencenews.com)。如果这种“双向”AI 驱动的植入物持续发展，可以想象在未来十年内，我们可能会拥有即使是晚期青光眼患者也能提供部分功能性视力的设备（尽管临床使用需要更多的测试）。

• 智能药物开发： AI 模型可能会极大地加速寻找新的青光眼治疗方法。例如，机器学习可以分析遗传数据和视网膜细胞生物学，以识别神经保护因子（保持视神经细胞存活的物质）。一项研究使用 AI 选择了一个有前景的青光眼药物分子靶点 (www.thebrighterside.news)。如果这一研究方向成功，我们可能会看到 AI 加速的神经保护疗法正在开发中，旨在在视力丧失发生之前阻止神经损伤。

• AI 引导的再生疗法： 青光眼的基因疗法和细胞疗法（旨在再生或加强视网膜神经节细胞）也是 AI 可以提供帮助的领域。AI 可以协助设计基因编辑或干细胞治疗，以模拟自然的视网膜信号。尽管对青光眼来说仍是推测性的，但总的趋势是，AI 驱动的生物医学研究正在以前所未有的速度发现修复神经和恢复组织的新方法。

本质上，曾经是科幻小说的突破——例如通过植入物部分恢复视力或量身定制的基因疗法——正在变得可以想象。不过，我们必须谨慎：每一步都需要仔细的临床试验。这些先进疗法尚未到来，但 AI 是其背后的赋能技术之一。

真实世界场景：患者和科学家应关注什么

为了使其具体化，请考虑以下几个场景：

• 患者场景： 58 岁的爱丽丝新近被诊断出患有早期青光眼。在她下次就诊时，她的眼科医生使用了一款由 AI 支持的 OCT 扫描仪，该扫描仪突出了视神经纤维层可疑的变薄。医生解释说，AI 算法标记出与疾病进展一致的模式，因此爱丽丝应勤用眼药水，并在 6 个月后复诊（而不是等待一年）。后来，爱丽丝读到附近社区诊所正在试用一款智能手机筛查应用；她询问医生是否可以尝试使用它在家中跟踪自己的病情。医生解释说，该应用（已在研究中验证）可以记录视野或眼部照片，并立即给出青光眼风险评分。爱丽丝参加了这项研究，每月在手机上上传测试结果——该应用的 AI 证实她的病情保持稳定，让她感到安心。

• 研究人员场景： 陈医生正在开展一项关于青光眼进展的研究。她深知 AI 正在蓬勃发展，因此与计算机科学家合作，在一个大型公共 OCT 扫描和患者结果数据集中使用深度学习。他们训练了一个模型来预测哪些患者的视力丧失最快，希望识别新的影像学生物标志物。他们同时关注新的 AI 眼科应用。当一款新的 FDA 批准的青光眼筛查 AI 设备发布时，陈医生计划进行一项小型试验，将其与她诊所的标准测试进行比较。她还参加关于眼科 AI 的会议，以确保她的资助提案考虑自动化工具。通过保持信息灵通，陈医生使她的研究能够利用 AI 工具加速发现。

从这些例子中，需要关注的是：

• 患者应询问筛查方案。您的诊所或药房提供的新型 AI 辅助筛查的可及性如何？如果您看到 AI 眼部测试的广告，请询问它们是否经过临床验证。询问您的医生 AI 工具（如智能手机眼底成像）是否可用于更便捷的监测。
• 患者还应尽可能参与试验或数据登记。青光眼研究人员需要多样化的患者数据来有效训练 AI 模型。在获得适当同意的情况下参与研究，有助于将新的 AI 工具推向市场。
• 研究人员和临床医生应跟进 AI 文献和指南。例如，查阅关于青光眼 AI 的综述文章或参加医学 AI 研讨会。考虑与 AI 专家合作分析您的数据——在其他疾病的图像或遗传学中奏效的技术通常可以移植到青光眼研究中。
• 患者和提供者都应了解局限性。AI 工具在对像您这样的患者（相似背景、成像设备等）进行验证时效果最佳。务必询问：“这个 AI 是否在像我这样的人群中测试过？”或“误报率是多少？”请明白没有任何工具是完美的——AI 是一种辅助工具，不能替代专家判断。

用 AI 保护视力：向您的护理团队提出问题

随着这些进展，以下是患者可能提出的问题和可采取的步骤：

• “是否有任何基于 AI 的青光眼筛查测试可供我使用？它们的准确性如何？”
• “我的眼科医生是否使用任何视网膜扫描或视野的自动化分析？他们在我身上发现了什么？”
• “是否有我可能符合条件的临床试验或新治疗方法（如神经保护药物），特别是涉及 AI 工具的？”
• “我是否应该使用任何手机应用来跟踪我的视野或眼压？如果我进行这样的自我监测，AI 分析能否帮助我的医生？”

对于研究人员和临床医生：

• “我如何将 AI 预测整合到我的患者护理中？我是否需要新的设备或培训？”
• “有哪些可用于青光眼的数据集，我可以用来训练或测试 AI 模型？”
• “监管机构何时可能批准青光眼 AI 工具，保险将如何处理它们？”

保持积极主动——阅读可靠的医学新闻，参加眼健康网络研讨会，或加入患者权益倡导团体——将帮助我们所有人利用 AI 的进步，而不至于落后。

结论

AI 技术发展速度惊人，近年来表现出明显的倍数增长。对于青光眼，我们已经开始看到其影响：更便捷的筛查、临床测试的自动化分析以及更智能的疾病进展预测。在未来几年，我们可以预期 AI 工具将成为常规青光眼护理的一部分，帮助发现疾病并定制治疗方案。展望更远，AI 甚至正在推动视力恢复（通过假体或基因疗法）的研究，这可能会极大地改变重症患者的预后。

对患者而言，这意味着更强大的方法来早期发现青光眼并密切监测。对研究人员和临床医生而言，这意味着理解和对抗疾病的新工具。保持信息灵通并提出正确的问题，将帮助每个人——患者和提供者——定位自己，从而从这些突破中获益。眼科护理的 AI 时代已经到来，对于青光眼来说，它承诺的将是彻底改变诊断、治疗，甚至未来可能恢复视力。

来源： 最近的研究和评论文章记录了这些趋势和技术 (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov) (www.nature.com) (pubmed.ncbi.nlm.nih.gov) (neurosciencenews.com) (pmc.ncbi.nlm.nih.gov) (epoch.ai) (medium.com)，以及其他。