《人工智能在干眼临床诊断中的应用专家共识（2023）》由中国医药教育协会眼科影像与智能医疗分会、中国人口文化促进会角膜病与眼表疾病分会等组织的专家组制定，发表于《眼科新进展》2023 年第 43 卷第 4 期。以下是其部分内容摘要：
干眼是指由于泪液的量或质的异常引起的泪膜不稳定和（或）眼表面的损害，从而导致眼不适症状的一类疾病。主要眼部表现包括泪液量减少、泪膜破裂更迅速等。目前可用的干眼诊断指标往往与患者报告的临床症状严重程度不相关，没有单一的临床检查被认为是诊断干眼的决定性指标，因此，通常联合使用多项测试，并辅以问卷调查进行诊断。测定泪液物理参数的试验包括泪膜破裂时间（TBUT）、泪液分泌试验、泪液渗透压测量和泪河高度测量等。
-
TBUT：ML 被用来检测 TBUT 影像中的角膜干燥区和估测 TBUT。与眼科医师的评估结果相比，利用莱文伯格 - 马夸特算法探测干燥区域的准确率达到 91%。应用马尔可夫随机场，根据干燥度对像素进行标记估测 TBUT，与临床医师评估结果相比平均相差 2.34s。多项式函数也被用来确定角膜干燥区，该方法对测试集影像的分析结果与 4 位专家所得结果相比，准确率相当。这些研究结果表明，与专家相比，使用 AI 方法自动获得的 TBUT 在可接受的范围内。
-
泪膜干涉测量和裂隙灯图像：泪膜干涉技术可提供泪膜脂质层影像，帮助诊断干眼。ML 系统已应用于干涉测量和裂隙灯图像中，用于基于泪膜形态学特征的脂质层分类、脂质层厚度估计、干眼诊断、眼红测定和泪河高度估计。例如，García - Resúa 等使用经过试验的 K 近邻算法模型对图像进行分类，分类准确率达到 86.2%。Dacruz 等比较了 6 种不同的 ML 模型，发现无论采用何种预处理步骤，随机森林都是最好的分类模型。
-
睑板腺红外照相：AI 可用于分析睑板腺红外图像，以评估睑板腺的形态和功能。研究表明，通过深度学习算法对睑板腺图像进行分析，可以自动识别睑板腺的缺失、萎缩和堵塞等异常情况，与人工评估结果具有较高的一致性。
-
泪液渗透压：有研究利用机器学习算法建立了基于泪液渗透压测量值的干眼诊断模型，能够较好地区分干眼患者和正常对照人群。
-
其他方面：AI 在干眼与眨眼检测、蛋白质组学分析、活体共聚焦显微镜图像分析等方面也有一定的应用，有助于更全面地了解干眼的病理生理机制和辅助临床诊断。
该共识为人工智能在干眼临床诊断中的进一步研究和应用提供了参考，有助于规范和推动相关技术的发展，提高干眼诊断的准确性和效率。