目的:基于多模态数据开发能诊断青光眼并识别严重程度的深度学习模型。方法:采用诊断试验研究方法，于2023年6—12月在昆明医科大学第一附属医院眼科收集正常人群86人145眼和不同严重程度原发性开角型青光眼患者314例507眼的彩色眼底照相和视野检查结果，并根据视野的平均缺损值将青光眼分为早期154眼、中期113眼和晚期240眼。分别采用DenseNet 121、ResNet 50和VGG 19卷积神经网络(CNN)模型建立人工智能(AI)青光眼严重程度分级模型，评估单模态数据与多模态数据对于分类结果的影响，并确定适合多模态数据的CNN网络架构。结果:同时具有彩色眼底照相和视野检查结果者有652眼，按照4∶1的比率采用计算机取随机数法将图片分配到训练集和测试集。不同CNN模型建立的青光眼严重程度分级模型均具有较高的准确性，DenseNet 121整体有效性指标高于ResNet 50和VGG 19。在彩色眼底照相单模态AI模型、视野单模态AI模型、彩色眼底照相联合视野的多模态AI模型中，识别早期青光眼的受试者工作特征曲线下面积分别为0.87、0.93和0.95。结论:基于多模态数据能建立具有高准确性的青光眼诊断和严重程度分级工具。