在美国， 仍然是导致新的失明病例的主要原因。但是眼科护理人员的当前短缺将使它无法跟上为该人群提供必要的年度检查的需求。一项新研究着眼于七种基于人工智能的筛查算法在诊断 性视网膜病变方面的有效性， 性视网膜病变是导致视力丧失的最常见的眼病。

在1月5日发表于《 护理》上的一篇论文中，研究人员将算法与视网膜专家的诊断专业知识进行了比较。有五家公司生产了经过测试的算法，其中两家在美国(Eyenuk，Retina-AI Health)，一家在中国(Airdoc)，一家在葡萄牙(Retmarker)和一家在法国(OphtAI)。

研究人员在2006年至2018年期间，在将近24,000名退伍军人的视网膜图像上部署了基于算法的技术，这些退伍军人在退伍军人事务Puget Sound卫生保健系统和亚特兰大VA卫生保健系统中寻求 性视网膜病变的筛查。

研究人员发现算法的性能不如他们声称的那样。其中许多公司在临床研究中均报告了出色的结果。但是他们在现实世界中的表现还不得而知。研究人员进行了一项测试，将每种算法的性能以及在VA视网膜视网膜筛查系统中工作的人类筛查人员的性能都与专家眼科医生在查看相同图像时给出的诊断进行了比较。与医师的诊断相比，其中三种算法的表现相当不错，而另一种算法的效果更差。但是在测试中，只有一种算法的性能与人工筛选的性能相同。

华盛顿大学医学院眼科助理教授Aaron Lee说：“令人震惊的是，由于其中一些算法在世界某个地方使用，因此无法始终如一地执行。”

相机设备和技术的差异可能是一种解释。研究人员表示，他们的试验表明，对于任何希望首先使用AI筛选器进行测试并遵循如何正确获取患者眼睛图像的准则的实践而言，这都是非常重要的，因为该算法旨在以最低的质量工作图片。

该研究还发现，在分析西雅图和亚特兰大医疗机构的患者群体的图像时，算法的性能会有所不同。这是一个令人惊讶的结果，可能表明需要使用更多种类的图像来训练算法。