最近在視網膜影像的人工智慧（AI）方面有兩大進展：判別性AI和生成性AI。判別性任務中，卷積神經網絡（CNN）仍是主流，但視覺變壓器（ViT）因其在糖尿病視網膜病變篩檢等任務中的優異表現，逐漸受到重視。生成性方面，生成對抗網絡（GAN）則用於創建新影像，幫助解決數據不平衡問題。儘管AI技術快速進步，但在實際應用上仍有距離，需更多證據證明其能有效預防視力喪失。 PubMed DOI

這項研究評估了OpenAI的GPT-4V在識別眼底影像中青光眼特徵的準確性，並與專家評估者進行比較。分析了300張來自三個公共數據集的影像，結果顯示GPT-4V的整體準確性略低於專家，準確率分別為0.68、0.70和0.81。雖然GPT-4V在影像可評分性上表現出高一致性，但在特徵檢測的kappa值通常低於專家。總體而言，GPT-4V在青光眼篩檢中顯示出潛力，與專家評估在關鍵特徵上有高一致性。 PubMed DOI

最近生成式人工智慧的進展，特別是像GPT-4 V這樣的多模態模型，顯示出在分析視覺和文本數據方面的潛力，對醫療保健，尤其是眼科，可能帶來重大影響。本研究評估了GPT-4 V在診斷眼部疾病的能力，結果顯示提供臨床背景能顯著提升診斷準確性。沒有背景時，GPT-4 V的正確率為47.5%，有背景時提升至67.5%。這顯示GPT-4 V能有效整合視覺與文本信息，對改善眼科病患護理有潛力。 PubMed DOI

近年來，人工智慧（AI）技術，特別是大型語言模型（LLMs）的進步，對傳統醫療實踐有著顯著影響，能提升醫療效率與品質。在眼科領域，LLMs 可協助醫生診斷眼疾、優化治療建議、簡化醫療紀錄撰寫，並提供教育支持。然而，LLMs 在臨床應用中仍面臨挑戰，如知識基礎限制、AI 幻覺現象，以及數據隱私問題。未來的研究將對克服這些挑戰並發揮 LLMs 的潛力至關重要。 PubMed DOI

視網膜影像提供了一種非侵入性的方法，能夠觀察眼睛中的血管和神經纖維，並透過眼科組學深入了解全身健康。近期研究探討視網膜生物標記與多種全身性疾病的關聯，並結合人工智慧（AI）提升疾病檢測的潛力。數位彩色眼底攝影、光學相干斷層掃描（OCT）等技術被應用於篩檢和早期檢測。儘管AI展現潛力，但在數據質量和技術實施上仍面臨挑戰。這篇綜述旨在成為研究人員和臨床醫生的資源，促進AI在臨床的應用。 PubMed DOI

這項研究提出了一種創新的AI方法，利用眼底影像檢測視網膜動脈阻塞（RAO），首次將深度學習應用於此病症。研究者採用自我監督學習框架，並透過SimCLR克服標記數據不足的問題。經過預訓練的ResNet50模型在兩個外部數據集上顯示出高達0.924和0.988的診斷準確率，展現其穩健性。 此外，研究還引入了一個基於ChatGPT-4的AI聊天機器人，結合Grad-CAM技術，提供模型預測的詳細解釋，幫助醫生理解決策過程，增進信任。這個AI模型有助於早期識別眼部及全身血管風險，強調了眼底影像在心血管風險評估中的潛力。 PubMed DOI

這項研究評估了多種人工智慧模型在眼科疾病診斷的表現，包括DeepSeek。研究分析了53份來自愛荷華大學的病例報告，並將其輸入四個AI系統進行比較。結果顯示，ChatGPT-01的準確率最高，達84.9%，特別是在神經眼科方面表現優異。DeepSeek和ChatGPT-4.0的準確率約79.2%，而Qwens最低，僅64.2%。研究強調AI在眼科的輔助潛力，並建議結合人類專家的判斷以提升診斷準確性。 PubMed DOI

這篇綜述分析了3,581篇文獻，說明機器學習在青光眼早期診斷、疾病預測和個人化治療上的應用進展。重點聚焦於眼疾、視網膜影像和風險因子。研究也指出現有趨勢與不足，並建議結合多模態技術和大型語言模型，有望進一步提升青光眼診斷與照護品質。 PubMed DOI

這項研究發現，GPT-4o 和 Claude Sonnet 3.5 這兩款AI模型，經過少量範例訓練後，診斷OCT影像的準確率最高可達73%。雖然還不如專業深度學習模型，但在日常眼科診斷、特別是判斷正常個案時，已展現輔助潛力。未來需更多研究結合影像和臨床資料來提升表現。 PubMed DOI

這篇論文提出 VisionTrack 多模態 AI 系統，能整合影像、臨床資料和醫療報告，提升視網膜疾病診斷的準確度。系統結合 CNN、GNN 和 LLM 技術，在公開資料集上測試表現優異，展現早期偵測和個人化眼科照護的應用潛力。 PubMed DOI