用GPT-4生成自适应光学眼底图像分析脚本的探索性研究
核心概要
该探索性研究以GPT-4为辅助，通过54轮迭代指令生成并微调了一段R语言脚本，用于自适应光学泛光照明眼底镜（AO-FIO）图像的预处理与斑点识别计数，脚本在4名受试者（1名健康者、3名Stargardt病患者）图像上调试，并由另一位对先前编码不知情的研究者用另外4名受试者（1名健康者、3名Stargardt病患者）图像进行错误检查，同时将5个AO图像片段的视锥计数与2名人工评分者及既有AO分析软件的计数进行比较，作者将其定位为功能性但未经验证的初步脚本。
深度剖析
研究展示了用通用生成式AI（GPT-4）生成AO-FIO图像分析R脚本的可行性，最终在54轮迭代指令后得到一段可运行脚本，能够识别并量化图像中的斑点（blobs）。 此前针对AO-FIO的专用图像分析脚本有限，尤其缺乏面向大规模测量和非健康图像的分析工具；该工作把大语言模型引入脚本开发环节，作为生成功能性脚本的概念验证。 属于探索性概念验证，脚本经迭代试错调试，并在4名受试者图像上测试预处理与分析功能，作者明确称其为功能性但未经验证的脚本。
脚本代码由另一位对先前编码不知情的研究者，在另一组4名受试者（1名健康者、3名Stargardt病患者）的AO-FIO图像上进行错误检查。 在生成脚本之外增加了独立于原始编码过程的代码核查环节，用不同测试集检验脚本能否运行。 采用独立核查者与独立测试集，样本为4名受试者，规模较小，属于初步验证性质。
研究将5个AO图像片段的视锥计数与2名人工评分者的独立计数以及既有AO分析软件（在健康受试者上训练）的计数进行了比较。 把生成脚本的输出与人工评分和既有软件结果并列对照，为后续验证提供参照点。 比较基于5个图像片段、2名人工评分者和一个既有软件，样本量有限，作者未报告该比较的定量一致性结论。
启示与展望
该脚本被定位为面向AO-FIO图像、在R语言环境下运行的功能性但未经验证的初步工具，适用于探索生成式AI辅助脚本开发的可行性；作者指出在用于临床研究前需进一步微调与广泛测试，未来工作应增强脚本的图像分析能力并验证其结果，以评估AO视锥计数作为临床试验生物标志物的潜力。
读者可能仍会关注：脚本在更大规模、更多样化图像上的表现如何；与人工评分及既有软件计数的比较在定量一致性上的具体结果；脚本对非健康图像（如Stargardt病）的稳健性；以及从初步脚本走向临床研究可用工具所需的验证路径。本次加载文本为摘要性内容，未包含图表与完整方法细节，因此上述部分问题无法从现有文本中回答。