医学影像AI如何实现3D OCT视网膜疾病的端到端自动诊断？FOCUS基础模型驱动系统及其多中心验证

光学相干断层扫描（OCT）凭借高分辨率、三维成像能力，早已成为视网膜疾病诊断的基石。但真正卡住它大规模应用的，不是成像技术本身，而是阅片流程：先要判断图像质量是否可用、再从中挑出有病理价值的切片、最后靠专家逐张判读。这套流程繁琐、耗时，又高度依赖经验丰富的眼科专家。2026 年 8 月，中山大学中山眼科中心联合北京同仁医院、南方科技大学等团队在《npj Digital Medicine》发表 FOCUS 系统（Full-process OCT-based Clinical Utility System，全流程 OCT 临床应用系统），用基础模型驱动的 AI 把 3D OCT 诊断从"图像到诊断"整条链路自动化。结果很直接：患者级诊断 F1 达 94.39%、异常检测 F1 达 97.46%，人机对照中与视网膜专家水平相当，而处理 842 张 OCT 切片仅需 22.7 秒。

研究背景：3D OCT视网膜诊断为什么难以自动化？

OCT 是眼科最常用的无创影像手段之一，一张三维扫描往往包含上百张二维切片（B-scan）。要做出一个可靠诊断，医生通常要完成三个环环相扣的步骤：

• 图像质量把关：先筛掉因眼球运动、屈光介质混浊等造成的废片；
• 病理切片筛选：从三维体数据里定位有诊断价值的切片；
• 专家判读：对疾病类型给出结论。

这三个步骤都依赖经验，而基层医疗机构恰恰最缺眼科阅片专家，这正是 OCT 难以用于大规模筛查的根本原因。第一代 OCT-AI 工具虽然多，但大多是"单任务"模型——要么只做质量分类，要么只做单病种检测，没能把整条临床流程串起来，因此难以替代真正的端到端阅片。

创新点：FOCUS如何把全流程串成一条自动化流水线？

FOCUS 的核心创新，是把"图像质量评估 → 异常检测 → 多病种分类 → 患者级结论"这四个环节首次贯通为一条端到端的自动化流水线，而不是再做一个孤立的单任务模型：

• 顺序式两阶段设计：先用 EfficientNetV2-S 做图像质量评估，合格的切片再进入诊断阶段；
• 基础模型驱动：诊断阶段用一个经过微调的视觉基础模型（Vision Foundation Model）提取二维切片特征；
• 统一自适应聚合：用一个"统一自适应聚合分类器"把二维切片级预测，智能整合成三维患者级诊断——按每张切片的诊断相关性和置信度加权，而非把所有切片一视同仁。

这套系统设计目标覆盖九类结果：正常、年龄相关性黄斑变性（AMD）、脉络膜新生血管、中心性浆液性脉络膜视网膜病变、糖尿病视网膜病变、视网膜前膜、黄斑裂孔、黄斑水肿和视网膜色素变性。

技术原理：基础模型 + 统一自适应聚合

机制上，FOCUS 的关键在于**“先局部、后整体"的两级推理**。二维层面，视觉基础模型从每一张 B-scan 上提取特征并给出切片级预测；三维层面，统一自适应聚合器再把这些切片级结果融合成患者级诊断。这个融合不是简单投票，而是动态衡量每张切片对最终结论的贡献——比如一张恰好切到黄斑中心凹、能清楚显示水肿的切片，权重就应该远高于一张边缘位置的切片。

这种设计的好处是鲁棒性：因为系统在质量把关阶段就筛掉了废片，后续诊断不再依赖"高质量、标准化"的输入，能够直接吃下未经整理的真实数据流，这是它区别于早期半自动分割方案（如 De Fauw 等 2018 年的经典工作）的关键进步。

数据说话：多中心验证与人机对照

FOCUS 在**3,300 名患者（40,672 张切片）上训练与测试，并在1,345 名患者（18,498 张切片）**上做了外部验证，覆盖四个不同级别中心、多种 OCT 设备（Spectralis SD-OCT、Cirrus HD-OCT、DRI OCT Triton）。

更关键的是人机对照（基于 105 名受试者的 842 张切片）：

• 异常检测：FOCUS 的 F1 达 95.47%，高于眼科技师平均水平 90.91%；
• 多病种诊断：FOCUS 达 93.49%，与视网膜专家平均水平 91.35% 相当，且明显优于初级医生（62.35%）和高年资医生（76.28%）；
• 效率：FOCUS 处理完 842 张切片仅用 22.7 秒，而眼科技师、初级医生、高年资医生、视网膜专家分别需要约 83.4、29.3、40.8、32.1 分钟。

换句话说，FOCUS 用秒级时间达到了专家级诊断水平，且性能不随操作者波动。

应用前景与局限

这项研究最大的价值，是给"无人化眼科筛查"提供了一条经过真实世界验证的可行路径。对基层和资源匮乏地区而言，一个能自动完成从图像到诊断全流程的 AI，意味着视网膜筛查不再被"缺专家"卡住，能显著提升大规模视网膜护理的可及性与效率。

但要冷静看待局限。第一，训练与验证数据主要来自中国医疗中心，在其他人种、疾病谱和地区的泛化能力仍需进一步验证；第二，论文也承认，在若干公开的国际 OCT 基准上，FOCUS 的表现低于其在域内测试集上的表现；第三，它目前更适合定位为筛查与质量控制层的"智能分流 + 质量把关”，而非完全替代专家的最终决策。后续仍需在更多国家、更多设备厂商、更大规模人群中做前瞻性验证。

结论

3D OCT 视网膜诊断长期受困于"多步骤、依赖专家"的阅片流程。中山大学中山眼科中心等团队提出的 FOCUS 系统，用基础模型驱动的 AI 首次贯通了图像质量评估、异常检测、多病种分类到患者级诊断的端到端流程：患者级诊断 F1 达 94.39%，人机对照与视网膜专家相当，效率却以秒计。它提示医学影像智能诊断的一个清晰方向——AI 不一定要在某个单点上"赢过"医生，而是把整条繁琐流程自动化、标准化，在专家稀缺的场景里补上最关键的可及性短板。

论文原文信息地址：https://www.simomia.com/blog/2026-10-12-focus-3d-oct-retinal-automation/

参考文献

1. Zhang J, Zhong J, Lin L, et al. Full end-to-end diagnostic workflow automation of 3D OCT via foundation model-driven AI for retinal diseases. npj Digital Medicine. 2026. DOI: 10.1038/s41746-026-03151-x
2. De Fauw J, Ledsam JR, Romera-Paredes B, et al. Clinically applicable deep learning for diagnosis and referral in retinal disease. Nature Medicine. 2018. DOI: 10.1038/s41591-018-0107-6

相关问题 FAQ

医学影像AI怎么做？像FOCUS这样的端到端系统是怎么搭出来的？

做医学影像 AI，通常要先把临床流程拆成可自动化的环节。FOCUS 就是一个"拆解再串接"的典型：它先单独解决图像质量评估，再解决异常检测和多病种分类，最后用一个"统一自适应聚合"把二维切片级结果融合成三维患者级诊断。关键不是堆单个模型，而是把一条原本依赖专家的多步骤阅片流程，改造成一条端到端的自动化流水线，让系统能直接处理未经整理的原始数据流。

OCT 是什么？它为什么是视网膜诊断的基石？

OCT 是光学相干断层扫描（Optical Coherence Tomography）的缩写，利用光的干涉原理对眼内结构做高分辨率、三维成像，能清晰显示视网膜各层的形态。正因如此，它成为年龄相关性黄斑变性、糖尿病视网膜病变、黄斑水肿等多种视网膜疾病诊断的核心手段。它的短板在于"读图难"——一次三维扫描往往有上百张切片，逐张判断质量、筛选病灶切片、给出诊断，非常依赖有经验的眼科专家。

FOCUS 能取代眼科医生吗？

不能，也不应该这么定位。这项研究里，FOCUS 在异常检测和多病种诊断上达到了与视网膜专家相当的水平，但它的价值更多在于把繁琐流程自动化、标准化，作为基层筛查的"智能分流 + 质量把关"层，而非替代专家做最终决策。论文本身也强调，其训练验证数据主要来自中国医疗中心，跨人群泛化仍需更多前瞻性验证，距离完全无人化还有距离。