为什么AI还没走进眼科诊室？眼底影像诊断落地障碍与路径的系统综述
核心概要
这篇系统综述评估了2018至2025年间的34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等常见眼病诊断中常达到90%以上准确率、甚至可与专家相当或更优，但真实世界部署仍受三类障碍制约——与临床工作流的割裂式整合、AI决策缺乏透明度、以及在多样人群间泛化能力不足，并提出可操作的路径以弥合研究与临床实践之间的“最后一英里”差距。
深度剖析
综述汇总了34项研究（2018-2025），显示AI在DR、青光眼、ROP和AMD等常见眼病诊断中常超过90%准确率，部分情况下可与专家临床医生相当甚至更优。 把分散在不同眼病、不同年份研究中的诊断性能证据集中呈现，形成对AI眼底影像诊断能力现状的整体图景。 基于对34项已发表研究的系统综述，性能数字来自这些研究的报告结果，而非单一中心的新实验。
真实世界部署存在三类显著缺口：与临床工作流的割裂式整合、AI决策缺乏透明度、以及在多样人群间泛化能力不足。 将“实验室准确率高但临床采用有限”这一现象拆解为可分别应对的三类障碍，而非笼统归因于技术不成熟。 来自对当前文献的综合分析，属于对既有研究报告与讨论的归纳，而非新采集的原始数据。
综述提出可操作的路径，以弥合研究与临床实践之间的“最后一英里”差距，指向公平、可扩展且可信赖的全球视觉照护方案。 不止于罗列障碍，而是给出面向实施的框架，把综述结论转化为推进落地的行动方向。 属于基于文献综合提出的框架性建议，其效力取决于后续在真实临床环境中的验证。
启示与展望
本综述的结论面向希望把AI眼底影像诊断引入真实眼科诊疗与筛查场景的研究者、临床团队与部署方，适用于DR、青光眼、ROP和AMD等常见眼病的诊断语境；其提出的路径框架意在指导从研究到临床实践的转化，而非替代具体场景下的本地验证。
读者仍可留意：三类障碍在不同医疗体系与资源条件下的相对权重如何；所提路径在真实临床环境中的可行性与验证方式；以及“常超过90%准确率”这一表述背后各研究在人群、设备与评价方式上的差异。本次仅基于摘要层面的文本进行总结，未展开原文中的图表与逐项研究细节，因此对具体研究间差异的刻画有限。