Fair-Eye Net：一个公平、可信、多模态一体化的青光眼全链条AI系统
计算机视觉与模式识别
2026-01-27 v1 人工智能
摘要
青光眼是全球不可逆性失明的主要原因，使得早期检测和纵向随访对防止永久性视力丧失至关重要。然而，当前的筛查和进展评估依赖于单项测试或松散关联的检查，引入了主观性并导致碎片化护理。对高质量成像工具和专家经验的有限获取进一步损害了现实世界应用中的一致性和公平性。为解决这些差距，我们开发了Fair-Eye Net，一个公平、可靠的多模态AI系统，闭环覆盖从青光眼筛查到随访和风险预警的临床全过程。它通过双流异构融合架构整合了眼底照片、OCT结构指标、VF功能指数和人口统计学因素，并采用不确定性感知的分层门控策略进行选择性预测和安全转诊。公平性约束减少了弱势亚群的漏诊。实验结果表明，该系统实现了0.912的AUC（96.7%特异性），将种族假阴性差异降低了73.4%（从12.31%降至3.28%），保持了稳定的跨域性能，并实现了3-12个月的早期风险预警（92%灵敏度，88%特异性）。与事后公平性调整不同，Fair-Eye Net通过多任务学习将公平性作为主要目标进行优化，同时保持临床可靠性，为临床转化和大规模部署推进全球眼健康公平性提供了可复制的路径。
引用
@article{arxiv.2601.18464,
title = {Fair-Eye Net: A Fair, Trustworthy, Multimodal Integrated Glaucoma Full Chain AI System},
author = {Wenbin Wei and Suyuan Yao and Cheng Huang and Xiangyu Gao},
journal= {arXiv preprint arXiv:2601.18464},
year = {2026}
}