在视网膜色素变性中分割视网膜内层：两个AI模型（含SAM基础模型），仅用228张OCT切片训练
哥廷根大学的团队提出了两个深度学习模型，能在视网膜色素变性（一种致盲的遗传病）患者的OCT图像上自动分割视网膜内层。它的贡献并非某个破纪录的分数，而是一种刻意的"节俭"：通过在1700张公开切片上预训练、一个交互式标注循环，以及尊重解剖结构的后处理，模型仅用228张患者标注切片便达到了出色的性能。其结果在内层上很稳健——正是这些层决定了未来光遗传学疗法的适用资格——但它恰恰在用于评定疾病严重程度的那一层上失手，而且仅在来自单一医院的约三十名患者身上得到验证。
背景
视网膜色素变性（RP）是一组视网膜遗传病，是60岁以下人群致盲的首要原因，患病率约为四千分之一，已识别出三千余种突变。它先摧毁视杆细胞，再摧毁视锥细胞；视网膜外层先退化，内层随后。OCT（光学相干断层扫描）是追踪这种退化的参照检查：它生成视网膜的断层图像，可逐层测量组织厚度。
为何偏偏是视网膜内层成了关键？因为一类新的疗法——光遗传学——直接以它为靶点。与只对某一特定突变有效的基因治疗不同，光遗传学不依赖具体突变：它使视网膜内层的神经元（神经节细胞和双极细胞）变得对光敏感，以替代被摧毁的光感受器。这种方法要求内层视网膜仍大体完好——因此需要精细测量内层的状态，以筛选适用患者并追踪疗效。然而，OCT厂商（如Heidelberg Engineering）随附的自动分割工具在退化的视网膜上会失败，因为缺少健康视网膜中的解剖标志。而深度学习迄今在RP中只聚焦于外层，从未涉及内层。这篇预印本要填补的，正是这一临床与方法学上的双重空白。
方法
作者训练了两个互补的模型。第一个OCT-SAM源自Segment Anything Model（SAM）——一个由Meta设计的基础模型（foundation model：一个大型预训练模型，可复用于众多任务），只需一次点击或一个框就能分割图像中的任意对象。作者从MedicoSAM出发，那是SAM面向医学影像的改造版，带有一个可在无人介入下自动分割的解码器。第二个模型nnU-Net，是所谓语义分割（直接为每个像素赋予其所属层的身份）的既定参照。
数据来自一支约三十名RP患者（31名）的回顾性队列，他们于2019至2025年间在哥廷根眼科就诊，全部使用同一台设备（Spectralis，Heidelberg）成像。真值——参照勾画——先半自动生成（一个边缘检测器），再由第一位评级者手工修正、第二位验证、第三位仲裁分歧，覆盖七个视网膜层。一个巧妙之处：作者并不全靠手工标注，而是分四个循环进行——OCT-SAM预分割下一批切片，由人修正，模型再重新训练——这一循环加速了标注。最终模型因此在228张切片（称为B-scan，即OCT的一张纵向断层）上训练，此前已在两个非RP专用的公开数据集的1700张切片上预训练。一套定制的后处理随后为所检测的各层施加解剖一致性。
作者将全部功能整合进一款开源软件（一个napari插件），可自动测量各层厚度和中央凹厚度（CFT）。评估结合了一个20张切片的测试集（重叠度指标：Dice与F1，衡量预测区域覆盖真实区域的程度），以及在90个点上将厚度测量与一位专家的手工测量相比对的验证，采用Bland-Altman图（衡量两种测量方式一致性的标准方法：给出平均偏倚与一致性界限）。最后，一项纵向演示对三名患者随访了至少三年。
结果
在测试集上，nnU-Net在自动分割中占优：精确率、召回率和F1均为0.96，Dice为0.88。OCT-SAM低一档（精确率0.93，召回率0.80，F1 0.85，Dice 0.77），但带来了nnU-Net所没有的交互性。关于节俭的一个醒目结果：性能仅用5到10张专用图像便跃升，并在约100张处趋于平台——因此并不需要庞大的标注集，这在数据稀缺的罕见病中至关重要。
临床转译则更为微妙。与一位专家的手工测量相比，OCT-SAM的自动测量对光遗传学所关心的内层是可靠的——中央凹厚度、神经纤维层（RNFL）和神经节细胞层（GCIPL）的相对差异为4.4%至11.2%。但在其他层明显变差：内核层差异21.8%，外核层22.5%，尤其是椭圆体带（EZ）达54.8%、色素上皮层达41.1%。此外椭圆体带几乎从未被检出：模型90次中仅6次——但人类专家本人也只在90次中定位到21次，说明这一目标客观上很难。具体而言，该工具能很好地测量光遗传学所看的东西（内层视网膜），却在用于确定疾病分期的那一层上失手。
做得好的地方
一次有用且定位准确的首创。据作者所知，这是首个专注于RP视网膜内层的深度学习工作，也是SAM首次被用于OCT视网膜层分割。这并非无谓的新意：它回应了光遗传学疗法到来所带来的一个明确临床需求——这类疗法需要评估内层视网膜的完整性。
被证明而非仅被宣称的数据节俭。凭借在1700张公开切片上的预训练、交互式标注循环和解剖引导的后处理，用228张切片就取得出色分数、并在约百张处趋于平台，是对罕见病影像数据稀缺的一个具体回答。那条显示仅5到10张图像即见增益的曲线，正是其他团队可直接复用的成果。
开放科学与细致的计量学。代码、两个模型及其训练流程都发布在一个公开仓库，使工作可复现。测量验证依托与专家对照的Bland-Altman图，而非单一的总体分数；资助（公共资金，主要来自德国研究基金会）也在声明中无商业利益冲突。
做得欠佳的地方
人群偏倚与外部验证的缺失。三十一名患者、单一医院、单一型号的扫描仪：无法保证性能在另一台设备、另一人群、另一国家仍然成立。作者本人也承认，在如此小的样本中，RP各种退化特征不同的遗传变异并未被充分代表。研究未在独立中心进行任何外部验证——这是AI医疗文献中经典的失效模式。
一个脆弱的真值，恰在要紧之处。参照是手工分割，可即便人类专家也只在90例中的21例检出椭圆体带："金标准"本身在这一层就不确定。而模型恰恰在此失手（差异54.8%），偏偏椭圆体带又用于该研究所依据的分类中对RP进行分期。因此模型在临床最需要之处反而薄弱——这是所测任务与预期用途之间的错配，加之测试集偏小（20张切片，90个测量点）而更显严重。
极简的临床验证与部分具有误导性的"自动化"。纵向演示仅涵盖三名患者，为回顾性，既无前瞻性方案，也无与厂商工具的量化对比。尤为关键的是，对于困难的层，分割仍需人工点击（"交互"模式）："自动"这一标签只对容易的内层才完全成立。最后，这是一篇尚未经同行评议的预印本，且手稿以非商业、禁止演绎的许可（CC-BY-NC-ND）发布。
这意味着什么
对研究界而言，主要贡献是一套节俭的配方——在公开数据上预训练、循环式交互标注、解剖引导的后处理——可直接迁移到缺乏标注图像的罕见病。此外还有SAM首次被用于视网膜层，以及一个他人可扩展的开放工具，尤其是朝着作者预告的三维分割方向。
对临床医生而言，今天没有任何东西可以部署：单中心队列、无外部验证、在分期所需的外层上薄弱、演示仅限三名患者、且仍需人工修正。相对于在退化视网膜上失败的厂商软件，这一方向仍然可期。对患者和公众而言，这项研究示范了两条阅读规则。其一，"某个AI分割了视网膜"掩盖了它只在来自单一医院的约三十名患者身上得到验证。其二，一个工具可以在图像的一部分上表现出色，却在用于衡量疾病严重程度的那一层上跌跤：平均性能并不能说明在要紧之处的性能。
延伸阅读
预印本可在 medRxiv（10.64898/2026.06.16.26355668） 获取，代码与模型发布于 GitHub。关于医学影像中的基础模型，参见我们对 病理学中的GigaPath 的解读，以及我们对 用于癌症的基础模型表征 的评估；关于应用于另一器官的自动分割，参见 前列腺癌中的Fine-UNETR 的解读。
编辑透明度：法文版由Tatakoto编辑部在阅读预印本后撰写并署名。英文、西班牙文和中文译本在AI辅助下生成并经过审校。