AI阅片，补上眼病筛查短板

科技日报记者 符晓波

上传一张眼底影像，几分钟内AI就能完成病灶识别、病变分级，并给出辅助诊断参考。相关结果交由临床医生复核确认后，一份筛查报告就此生成。

便捷的眼科诊疗体验，得益于华厦眼科医院集团（以下简称“华厦眼科”）自主研发的智能化阅片平台。该平台将AI识别能力与眼病专家诊疗经验相结合，能实现多个常见眼病的影像初筛与AI辅助判读。它已在全国30余家眼科医院落地，累计完成超过20万张眼底图像的AI阅片，尝试破解优质眼科资源分布不均的现实难题。

以华厦眼科智能化阅片平台为代表的AI诊疗，有助于补上基层优质医疗资源缺口，但走向AI医院仍需破解标准、路径与临床证据等关键卡点。

厦门大学附属厦门眼科中心总院长黎晓新为患者检查。受访者供图

患者“家门口”享受服务

智能化阅片平台针对的是成年人最主要的致盲眼病——糖尿病视网膜病变（俗称“糖网”）。医学共识认为，早筛查、早干预，绝大多数患者可以避免糖网造成的失明。但现实中，大量基层医疗机构和部分二级医院缺少眼病专科医生，筛查能力不足，很多患者因此错过最佳干预窗口。

针对这一临床痛点，华厦眼科本部——厦门大学附属厦门眼科中心着手破题。该中心总院长黎晓新提出“眼底一张照，慢病早知道”理念。2022年，厦门大学附属厦门眼科中心整合院内海量临床诊疗数据，引入超广角眼底影像与深度学习质控模型，首创智能化阅片平台。医生上传影像后，平台会自动圈出出血、硬性渗出、棉絮斑、新生血管等病灶并完成分级，病情识别准确率达90.5%，为医生研判病情提供标准化参考。整套体系打通了影像传输、智能分析、阅片复核、数据管理全链条，支持远程协同阅片，数据全程可追溯。

智能化阅片平台并非单纯依赖算法，而是建立在医教研深度融合的基础上。AI精准识别眼病的前提是学习大量高质量专业数据。权威专家和专业医生的临床经验，为病灶标注、标准制定、AI复核提供专业“标尺”，让算法学得准、判得稳。

科研合作层面，华厦眼科携手国际院校创新眼底诊疗模式，共同探索推动AI智能筛查技术与临床诊疗深度融合，为平台技术迭代提供持续动力。

值得一提的是，华厦眼科从2016年开始布局互联网医院，相继推进糖网AI筛查、全国疑难眼病会诊平台、5G智能眼科医院、眼科AI创新平台及大模型本地化部署，并在22个省份60多个城市开设100多家眼科医院及视光中心，形成可复制的服务能力和运营能力。这些持续的投入不断推动新技术嵌入具体医疗场景。

黎晓新表示，眼病种类繁杂、早期症状隐蔽，基层筛查最大的短板就是“能查的病种少、漏诊风险高”，智能化阅片平台补上了基层致盲性眼病筛查短板。未来，平台将继续扩容识别病种，从单一糖网筛查走向多病种眼病全覆盖，让基层患者在家门口就能享受标准化、全覆盖的眼病筛查服务，真正实现“早发现、早干预、早止损”。

算法沉淀专家经验

智能化阅片平台落地，是AI诊疗发展的一个缩影。近年来，国家先后出台《关于深入实施“人工智能+”行动的意见》《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》等政策，AI诊疗发展迎来利好。

“把顶尖专家的经验沉淀到算法里，让基层医疗机构也能获得标准化的诊疗辅助，这个方向非常好。”

周东生曾调研“AI+医疗健康”领域不少案例。在他看来，厦门在这一领域的探索走在全国前列。“美丽厦门·智慧健康”服务体系已覆盖诊前AI导诊、预问诊、影像辅助、诊后慢病管理、支付结算等全流程，部分场景落地见效显著。华厦眼科的智能化阅片平台，正是这一整体布局中的专科样本。

类似的“AI+医疗”探索在全国多地展开。目前，针对特定病种打造的病理大模型、基于大模型建立的罕见病协作平台等，已在多家大型医疗机构落地应用，大幅拓展了优质医生的服务边界，切实提升了患者的就医体验。

华厦眼科党委书记、副总裁李晓峰分析，目前，影像检查、手术治疗和危重症处置等核心医疗活动仍需依托物理医疗机构，而AI可以把疾病筛查、健康咨询、慢病管理和随访服务延伸到线上，推动医疗服务贯穿患者健康管理全过程。未来，AI在医疗卫生领域的应用，将更多体现为线上与线下持续协同的医疗服务体系。

面临三大关键卡点

当前，AI已在医疗各领域呈现百花齐放之势，AI技术的应用广泛铺开。受访专家表示，在此基础上，把这些分散的应用加以整合、由AI技术应用走向AI医院，正成为医疗服务模式演进的重要方向。

什么是AI医院？《2026年中国AI医院运营服务价值平台白皮书（摘要版）》提出，AI医院运营服务并非单一AI软件或功能集合，而是一种围绕医院真实就诊流程形成的新型运营服务模式。其核心是沿诊前、诊中、诊后持续嵌入AI导诊、预问诊、陪诊、医助和随访等工具，并将长期积累的医院运营经验进一步标准化、产品化，使AI从单点功能延伸为覆盖患者全旅程的持续运营能力。

AI医院发展潜力大，但建设依然任重道远。李晓峰直言，当前AI医院的建设仍面临三个卡点：行业对AI医院的定义尚未统一，缺乏建设标准与评价体系；建设路径没有更新，部分机构仍沿用传统信息化建设思路，将AI作为附加功能接入原有系统，AI难以深入真实诊疗流程；AI系统在不同地区、不同人群和复杂病例中的稳定性，仍需更多临床证据支持。

要破解这些难题，李晓峰建议，一是医疗机构、科研院所和技术企业从临床需求出发，共同搭建能够连接数据、算法、算力、设备和诊疗流程的基础架构，打通不同业务系统之间的壁垒；二是加快建设标准化、高质量的临床数据集，完善数据合规使用和共享机制，通过多中心、真实场景和长期随访验证AI的安全性、有效性与适用范围；三是让医生深度参与需求设计、模型训练、临床评价和伦理监督，把专业经验转化为AI可以理解和执行的规则。

周东生认为，AI医院要行稳致远，除了厘清权责边界、打通数据壁垒，建设合理的医疗结算和激励模式同样重要。当前，AI在诊疗流程中多发挥辅助支撑作用，相关投入主要由医疗机构承担，尚未形成可持续的良性循环机制。长远来看，需要在实践中不断探索与之相适应的配套机制，确保技术创新与医疗服务可持续发展相协调。

审核：朱丽