研究目的是探討人工智慧在新發現糖尿病病例中辨識糖尿病視網膜病變篩檢的關鍵風險因素。臨床醫師和AI平台一起評估虛構案例，找出最佳篩檢時機。研究比較了醫師和AI的一致性。根據風險嚴重程度評分，制定不同篩檢時程，如立即、一年內或五年內。未控制的糖尿病和其他疾病需立即篩檢，家族史和懷孕則需一年內。研究建議AI可在新糖尿病病患的視網膜篩檢中有潛力，但需進一步驗證後才能應用於臨床。 PubMed DOI

糖尿病常導致視網膜病變，若不早治可能導致失明。日本利用人工智慧技術改善篩檢，取得令人振奮成果。整合人工智慧、生成式AI和大型語言模型可革新篩檢流程，提高可及性和效果。但在全面實施前，需克服技術和治理挑戰。眼科醫師和利益相關者關鍵引領，確保篩檢品質。 PubMed DOI

AI在眼科學領域展現出巨大潛力，尤其在角膜疾病和青光眼的診斷上。ChatGPT-4.0等AI工具能準確辨識疾病，改善診斷效率。此外，AI可早期發現白內障風險，提供個人化治療方案。總括來說，AI對於眼科護理帶來希望，從早期檢測到治療策略，提升患者結果和醫療服務品質。 PubMed DOI

神經眼科學利用複雜的評估和影像技術來評估疾病。由於專家短缺，人工智慧提供新解決方案來增進診斷。機器學習算法可解讀影像數據，辨識模式，幫助準確診斷。本文討論人工智慧在神經眼科學的應用，包括預測疾病進展模型和生成式人工智慧在教育和實務上的應用。人工智慧有潛力透過提升診斷準確性和專業資源的可及性來改變神經眼科護理，儘管在臨床實踐和研究整合上仍有挑戰。 PubMed DOI

這篇論文回顧了人工智慧在眼科的發展，分析了來自98個國家的3,377篇研究，發現中國和美國的貢獻最為突出。中山大學是重要機構，《Translational Vision Science & Technology》是頂尖期刊，Ting DSW則是主要研究者。研究強調AI在視網膜影像分析及眼病篩檢的潛力，但也指出技術、法規和倫理等挑戰需克服，才能推動創新應用，改善眼病治療效果。 PubMed DOI

最近，人工智慧（AI）在青光眼管理上有很大潛力，能提升篩檢效果和診斷準確性，但整合過程中面臨挑戰，如數據標註繁瑣、診斷標準不一致及測試不足，這些都可能影響演算法的適用性。此外，AI的「黑箱」特性也讓醫療人員感到疑慮。未來可透過聯邦學習增強數據隱私，並利用多樣化數據改善演算法，還有智慧型手機的應用潛力。解決這些挑戰將有助於提升青光眼護理的品質。 PubMed DOI

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

與年齡相關的黃斑變性（AMD）在老年人中引起廣泛關注，近期人工智慧（AI）的進展使得相關研究興趣大增。這項文獻計量分析針對1992至2023年間的AI在AMD研究進行系統評估，使用Web of Science核心合集資料，分析出版量、影響力及研究趨勢。結果顯示美國產出最多，墨爾本大學為主要機構，且深度學習模型的開發及早期檢測成為研究重點。此分析為未來研究提供了重要指引，促進該領域的合作。 PubMed DOI

人工智慧（AI）與深度學習（DL）結合光學相干斷層掃描（OCT），在青光眼的診斷和管理上取得了顯著進展。研究指出，卷積神經網絡（CNNs）在視網膜層分割和青光眼損傷識別上特別有效，而遞迴神經網絡（RNNs）則擅長追蹤疾病進展。生成對抗網絡（GANs）能提升影像質量，自編碼器則有助於特徵提取。儘管如此，數據可用性和偏見等挑戰仍需克服，以便在臨床上成功應用這些技術，進而實現更精確的青光眼治療。 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