JAMA眼科学|手机AI筛查眼表肿瘤,效率或达传统模式5倍,中山眼科中心林浩添团队成果发布

眼表恶性肿瘤的早期识别：罕见病筛查的老难题

眼表恶性肿瘤虽属罕见，但延误诊断的代价不小——局部侵袭性生长、面部毁损、不可逆视力丧失，晚期甚至需要眼球摘除或眶内容物剜除。现实是，公众常把眼部色素性病变当作良性“痣”而不就医。文献报告约42%的罕见病患者经历过初始误诊，平均确诊周期长达7年、辗转8位以上医师。传统医疗模式依赖专科资源，难以支撑大规模罕见病筛查；既往基于裂隙灯图像的深度学习模型虽有报道，但均局限于研究环境，未形成面向公众、可规模化部署并衔接临床转诊的筛查系统。

图片来源：jamanetwork.com

三阶段设计：从裂隙灯到手机，再到全国筛查

该研究为前瞻性三阶段设计，注册号NCT05645341，经中山眼科中心伦理委员会批准。第一阶段，基于中山眼科中心及6家合作医院2010至2021年间的多中心裂隙灯图像，训练并验证CaT深度学习模型（Faster R-CNN架构，ResNet50骨干网络），建立覆盖10类眼表色素性病变的诊断分类体系，其中恶性类别为恶性黑色素瘤和眼睑基底细胞癌；团队并采用梯度加权类激活映射（Grad-CAM）对模型判读依据作可视化验证。第二阶段针对手机图像质量下降的问题，团队识别出病灶占比、对焦清晰度和曝光三个关键影响因素，制定标准化拍摄方案并将质控指引嵌入交互界面。第三阶段为全国实施试验（2022年12月至2023年6月），CaT以微信小程序形式上线，配合电视、社交媒体、互联网医院等多渠道健康教育，向公众开放自主筛查。主要终点为区分恶性与良性病变的受试者工作特征曲线下面积（AUC），次要终点包括灵敏度、特异度及经病理确诊的恶性肿瘤例数。所有上传图像均在24小时内由眼科医师复核，高风险病例转诊至线下专科评估。

主要发现：手机端效能接近裂隙灯水平，转诊路径缩短，筛查效率提高

裂隙灯阶段，CaT内部测试二分类（恶性/良性）AUC为0.959（95% CI, 0.920-0.999），多中心前瞻性测试（含中山眼科中心在内的4家医院、239例患者）AUC为0.945（95% CI, 0.918-0.972）。将该模型直接用于回顾性手机图像时，二分类AUC降至0.787（95% CI, 0.725-0.850）；经标准化拍摄方案优化后，前瞻性手机测试AUC恢复至0.905（95% CI, 0.837-0.973），与裂隙灯模型具有可比性。

全国实施阶段，健康教育触达256,053人，13,243人访问筛查应用，614人完成居家自主拍摄（中位年龄46岁，IQR 11岁；女性49%，男性51%），其中60%来自非一线城市。经自动质控排除133张不合格图像后，535人（805张图像）纳入最终分析。CaT在该真实世界队列的二分类AUC为0.977（95% CI, 0.964-0.990），灵敏度89.3%（95% CI, 86.7%-91.9%），特异度95.9%（95% CI, 94.2%-97.6%）；五分类平均AUC为0.810（95% CI, 0.776-0.843）。

CaT初步标记47例高风险，医师复核后追加11例，累计转诊58例。经线下裂隙灯评估，25例接受手术切除，病理确诊20例恶性肿瘤（14例基底细胞癌、6例恶性黑色素瘤）及5例良性病变，其中19例恶性肿瘤（95%）为新发诊断，无一例需要眼球摘除或眶内容物剜除。效率方面，传统裂隙灯筛查每中心年均诊断约8例恶性肿瘤，作者据此推算手机端模式可提升至约40例，约为5倍。转诊路径亦明显缩短：经应用转诊者平均1.02次转诊即获得专科诊疗（SD 0.14，n=52），而同中心此前5年手术患者平均需3.69次（SD 2.14，n=29），差异有统计学意义（Mann-Whitney U检验，P < .001）。

作者怎么看：可推广的移动健康筛查范式，仍待进一步验证

研究团队认为，CaT将健康教育、AI辅助自主筛查与结构化转诊整合为闭环移动健康生态，为罕见眼部肿瘤的人群级筛查提供了可扩展、可及且潜在有效的策略。作者同时列出四方面局限：一是跨人群泛化性有待更大规模多国研究验证，研究中仅纳入70张非中国人群裂隙灯图像作初步测试，二分类AUC为0.876（95% CI, 0.799-0.953），置信区间跨度较大；二是手机端筛查可能加剧老年人群的数字鸿沟；三是健康教育、AI分诊与转诊协调三个环节各自的贡献尚未拆分；四是长期结局，包括生存获益、成本效益及跨卫生体系的可扩展性，仍需持续评估。各作者均无利益冲突。

概念小贴士

AUC（受试者工作特征曲线下面积，Area Under the Curve）：综合所有诊断阈值下灵敏度与特异度的鉴别力指标，取值0-1，0.5为随机水平，越接近1鉴别力越强。

Faster R-CNN：一种深度学习目标检测框架，可同时定位病灶区域并完成分类，CaT以此为核心架构。

Grad-CAM（梯度加权类激活映射）：通过热力图可视化模型关注的图像区域，用于验证预测是否聚焦于病灶解剖位置。

眼表色素性病变：眼睑、结膜、巩膜、泪阜等眼球表面的色素性改变，良恶性外观相似而生物学行为差异大，鉴别诊断困难。

新视野述评

这项研究的价值首先体现在触达方式和成果上。依托微信小程序零下载部署与多渠道健康教育，6个月内25.6万人接触到眼表肿瘤科普内容，1.3万人打开筛查工具，614人完成居家自主拍摄，其中60%来自非一线城市。对于一类公众认知度极低、专科资源高度集中于少数中心的疾病，这条路径把发现环节的边际成本压到了很低的水平，也让基层长期未被满足的识别需求有了触点。人数在各环节逐层收窄，这一过程本身即构成基于主观察觉的风险自我分层；614位完成筛查者中确诊20例恶性肿瘤，对于罕见肿瘤，这一检出量也印证了前端筛选的有效性。

需要一并看到的是漏斗的另一端，转诊承接：本研究的图像复核由中山眼科中心医师完成，转诊亦落在该中心及合作三甲医院，58例转诊中有6例失访；CaT降低的是发现门槛，确诊与治疗的门槛并未同步降低。当模式外推至缺乏专科承接能力的地区时，筛查漏斗的瓶颈可能从检出能力转移到转诊网络，而后者恰恰不是算法目前能够解决的问题。

即便如此，这项研究的贡献是明确的：它证明了公众教育、AI自主筛查与专科转诊可以在真实世界中串成闭环，并在6个月内为20位患者争取到了保眼治疗的机会。对罕见病筛查而言，先把人找出来，本身就是最难的一步。

本研究由国家自然科学基金（82441003、82371111、82301256）、广东省自然科学基金杰出青年项目（2023B1515020100）和广州市医学高地建设专项补助资金（2024P-GX13）资助，资助方未参与研究设计、数据分析及论文撰写决策。

✩ 本文仅供医疗卫生专业人士参考

后台私信留言“拍照”，即可亲测该筛查工具