手机拍一张眼表照片，AI 能筛出眼表肿瘤吗？
眼表恶性肿瘤早期常被误认为普通息肉、翼状胬肉或慢性炎症。JAMA Ophthalmology 最新临床试验显示，标准化手机拍照加 AI 辅助分诊，有机会把高风险患者更早送到眼科医生面前。
先说结论
这项非随机临床试验发现，基于手机拍照的 CaptureTumor AI 系统，在真实人群筛查中区分眼表良恶性病变的 AUC 达到 0.977，敏感性 89.3%，特异性 95.9%。它不能替代医生诊断，但提示手机影像 + AI 分诊有望帮助眼表肿瘤更早被发现。
研究一句话
- 这是一项发表在《JAMA Ophthalmology》的非随机临床试验，研究手机拍照结合 AI 是否能用于眼表恶性肿瘤的主动自筛。
- 研究团队先用 12 年多中心裂隙灯照片训练深度学习模型，再把系统优化到普通手机拍照场景。
- 通过电视、社交媒体和互联网医院传播，最终有 614 人完成居家自筛。
- 研究注册号为 NCT05645341，属于有临床场景验证的 AI 筛查研究。
普通人启发
- 眼表恶性肿瘤有时表现很隐蔽，早期可能只是眼白或角膜边缘一个小肉芽、斑块、色素点或反复不好的“炎症”。
- 很多患者一开始以为只是翼状胬肉、结膜炎或普通小息肉，拖到病灶变大才就诊，治疗范围和心理压力都会增加。
- 这项研究的价值不在于让普通人自己确诊，而是让高风险异常更早被识别、提醒尽快看眼科。
- 未来如果类似工具成熟，基层筛查、互联网问诊和患者自我发现之间可能会多一个更高效的入口。
研究怎么做
- 研究从多中心裂隙灯图像建立 AI 模型，再开发 CaptureTumor 手机应用，引导用户按标准方式拍摄疑似病灶。
- 系统会实时提示拍照质量，并给出良性/恶性二分类和多类别风险分层。
- 对高风险病例，系统会建议加快临床转诊，而不是让患者停留在手机判断上。
- 研究时间覆盖 2022 年 12 月至 2023 年 6 月，数据分析持续到 2024 年 6 月。
结果怎么看
- 宣传触达 256053 人，最终 614 人完成居家自筛；参与者年龄范围 4-87 岁，中位年龄 46 岁。
- 手机端 CaptureTumor 在优化图像质量后，区分恶性和良性病变的 AUC 为 0.905，接近裂隙灯图像模型的 0.945。
- 真实人群筛查中，共有 20 例经病理证实的恶性病变，其中 19 例是新诊断病例。
- 按人群水平计算，系统 AUC 为 0.977，敏感性 89.3%，特异性 95.9%，说明它在筛出高风险病例方面表现不错。
不能怎么理解
- AI 筛查不是最终诊断，眼表肿瘤是否恶性仍然需要眼科医生检查，必要时还要病理诊断。
- 这不是随机对照试验，参与者来自主动响应筛查的人群，不能简单代表所有普通人。
- 样本里病理证实恶性病例只有 20 例，虽然结果亮眼，但仍需要更多地区和更大样本验证。
- 如果眼部已经有明显疼痛、出血、快速增大、视力下降，不能等手机筛查结果，应尽快线下就诊。
提醒一下
- 眼白或黑眼珠旁如果出现长期不退的新生物、反复出血的斑块、颜色加深的色素灶，建议做一次眼表专科检查。
- 手机拍照可以作为记录变化的工具，但不要把照片软件判断当成“没事”的证明。
- 基层医生和患者都可以关注这类工具的发展，它真正适合的是“早发现、早分诊”，不是替代面对面诊疗。
- 对于眼表肿瘤，早期识别通常意味着更小范围的治疗、更少组织损伤和更好的视功能保护机会。
参考文献
- Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial. JAMA Ophthalmology · 2026 非随机临床试验 · 614 名居家自筛参与者，20 例病理证实恶性病变
提醒一下
如果眼表有反复不好的“息肉”“肉芽”“色素斑”或异常血管，不要只按普通炎症长期滴药。手机和 AI 可以帮助提醒风险，但最终判断仍需眼科医生检查和必要的病理证实。
文章署名
东莞常平健明眼科医院 眼底病诊疗中心 钟伟友
本文为眼健康科普内容，用于帮助读者理解常见眼科问题与就医前沟通重点。 内容不能替代面对面诊疗，具体诊断和治疗方案请以医生检查意见为准。