多病种联合诊断：4张照片解决80%常见眼病诊断！北京同仁医院专家深度解析

干眼症诊断、屈光视力筛查、眼压实时监测……当眼科医生遇到AI，会擦出怎样的火花？

日前，首都医科大学附属北京同仁医院眼科副主任医师、北京同仁医学科技创新业务部主任田磊做客健康界「ALL in Al Health」创新应用大讲堂，与健康界内容负责人郑宇钧对谈，并以「AI重构医疗——人工智能的眼科诊疗应用与创新转化密码」为主题进行分享。田磊结合临床实践与科研成果，系统阐述了人工智能在眼科领域的应用背景、技术突破及未来趋势，为业界呈现了AI赋能眼科诊疗的全景图。

本文精选部分内容，供广大同仁交流，欢迎在评论区留言。

从经验到量化

从局部到全身

从滞后到前瞻

重构眼科诊疗体系 

眼科作为高度依赖影像分析的学科，已成为AI应用的前沿阵地。田磊指出，当前「AI+医疗」正从单点工具向全场景渗透，尤其在机器学习辅助诊断、智能医疗落地等领域展现出巨大潜力。眼科诊疗与AI的深度结合，正推动行业从经验医学向精准医学、从单点诊断向全身关联、从被动治疗向主动防控的三大范式转变。

眼科AI应用主要依托两大技术模型：生成对抗网络（如卷积神经网络、深度学习模型）与大语言模型。前者在图像处理领域表现突出，可通过眼底照片等影像数据实现青光眼、糖尿病视网膜病变（DR）、年龄相关性黄斑变性（AMD）等疾病的筛查与诊断，甚至能通过10%-20%的眼底区域信息预测颅内肿瘤（准确率达89%）、高血压、糖尿病等全身疾病；后者则聚焦于自然语言处理，在病历书写、手术记录生成、患者科普问答等场景中发挥作用，部分模拟医生交互的系统已进入试运行阶段。

多模态多任务模型的兴起成为技术发展的重要标志。相较于传统单模态模型（如仅分析CT影像或文本数据），多模态模型能整合影像、临床病史、检查结果等多维数据，实现疾病分类、分割、诊断、报告生成等多任务协同处理。以干眼诊断为例，传统单模态模型仅能通过泪河高度图像判断水液缺乏情况，而多模态模型可结合泪膜破裂时间、睑板腺形态、眼表染色等多维度参数，使诊断准确率提升30%以上，同时为治疗方案制定和预后预测提供更全面的依据。

「AI技术正从根本上改变眼科诊疗的逻辑链条。」田磊指出，在视光领域，传统验光依赖主观经验与客观验光结合，而AI驱动的五度验光技术通过大数据叠加，将视力矫正精度提升40%，为患者提供更个性化的配镜方案；在疾病预测方面，基于用眼行为数据与眼轴增长趋势的AI模型，能够精准预测儿童近视发展轨迹，使主动干预成为可能，将近视发生率降低25%以上。

这种变革还体现在诊疗效率的提升上。以糖尿病视网膜病变筛查为例，AI系统可在30秒内完成单张眼底照片分析，自动识别微血管瘤、硬性渗出等早期病变，使基层医院的筛查效率提升5倍，漏诊率降低至5%以下。田磊强调，这种「从经验到量化、从局部到全身、从滞后到前瞻」的转变，不仅是技术升级，更是整个眼科诊疗体系的重构。

分享线索、探讨合作，加入社群

干眼评估无需再依赖医生主观判断

AI助力提高病情控制有效率

田磊主要研究方向是干眼症的诊断与治疗。干眼症是我国第二大眼科疾病，其诊疗面临发病率高、诊断效率低、管理体系不完善等挑战。田磊表示，传统检查方法存在侵入性、耗时、主观依赖性强等缺陷，而AI技术的引入实现了全流程优化。

在泪河高度检测中，科研人员开发的全卷积神经网络（FCNN）算法可以自动分割下泪河边界，测量值与参考值的相关系数达0.965，且单次分析时间从人工的30秒缩短至毫秒级。

更重要的是，这个模型能捕捉鼻侧、颞侧等不同位点的高度变化，为精准诊断提供多维数据支持。动态分析还发现，94.74%的样本中泪河高度随时间递增，其变化速率可作为干眼严重程度的新指标。

眼表细胞染色评分是干眼评估的核心指标，传统方法依赖医生主观判断，不同观察者间一致性差。科研人员开发的AI系统通过角膜区域分割、子区域分级及拓扑特征分析，使NEI评分的自动化准确率达76.5%，AUC（曲线下面积）达0.940，且单张图像评价时间仅0.58秒。

更具创新性的是，该系统引入染色点拓扑特征（如连接性、区域形态），发现拓扑特征在干眼与非干眼组间存在显著差异，使诊断特异性提升至88%。

睑板腺形态分析、结膜血管量化、瞬目行为评估等环节的AI应用，共同构成了干眼诊疗的智能化体系。北京同仁医院建立的干眼数据管理平台，通过临床数据录入、设备数据上传、电子问卷调研的集成，实现了患者建档、随访、疗效评估的全流程数字化，为慢病管理提供了标准化范式。

这个平台不仅能自动生成干眼检查综合报告，涵盖OSDI问卷评分、泪河高度、泪膜破裂时间等核心指标，还能根据患者数据推送个性化治疗建议，使随访依从性提升35%，病情控制有效率提高28%。

这型设备体积仅为传统仪器的1/5

效率却提升10倍

面对我国近视人口超6.5亿的严峻形势，AI在视光领域的应用聚焦于筛查、验配与防控三大场景，为解决屈光不正问题提供了智能化方案。

田磊说，双目AI屈光视力筛查设备的研发突破了传统验光仪的局限。传统电脑验光仪存在体积大、仅适用于暗室、数字化程度低等问题。

科研人员为此开发的设备采用端到端多任务视觉AI大模型，通过卷积神经网络与递归神经网络结合，实现球镜、柱镜、轴位的实时预测，在亮光与暗光环境下的准确率均达95%以上。

这个设备体积仅为传统仪器的1/5，可实现学校、社区、体检中心等全场景筛查，使大规模近视普查效率提升10倍，尤其适合在基层医疗机构和校园中推广。

眼镜质检的智能化升级也解决了传统人工检测的痛点。AI系统可自动识别镜片表面划痕、镀膜不均匀等瑕疵（检测率98%），精准测量瞳距、瞳高（误差<0.5mm），并通过应力图像分析评估镜片加工质量，使质检效率提升80%，漏检率降至1%以下。

这种「设备销售+软件订阅+数据服务」的商业模式，既保证了商业收益，又通过持续数据积累优化AI模型，形成良性循环，为视光产业的智能化转型提供了可行路径。

巩膜镜与角膜塑形镜（OK镜）的AI验配技术展现了个性化医疗的潜力。系统通过解析角膜地形图、前节OCT等数据，自动生成镜片曲率、直径等参数建议，将传统2小时的验配时间缩短至30分钟，且适配成功率从60%提升至85%。预测模型还能基于历史数据评估患者对特定设计的耐受性，提前预警并发症风险，使不良事件发生率降低40%，为近视防控提供了更安全、高效的解决方案。

人工智能在眼科应用

将有三大突破

在直播中，田磊勾勒了未来3-5年眼科AI发展的突破方向，展现了技术创新与临床价值的深度融合。

首先是多病种联合诊断，从单一疾病到全眼健康管理。田磊透露，目前通过4张眼底与前节照片的联合分析，已经能解决80%-90%的常见眼病诊断问题，这种「一站式」筛查模式将使基层医疗机构的眼病检出率提升50%，同时通过AI辅助分诊，使三甲医院的疑难病例转诊效率提高 30%，优化医疗资源配置。

第二是实时动态监测，从静态评估到全程管理。田磊表示，可穿戴设备与微型传感器的发展将推动实时动态监测技术落地。

「我们的团队正在研发的眼睑压力传感器与泪液炎症因子监测系统，能够通过柔性电子器件实现泪液分泌、眼睑运动的连续数据采集，为干眼患者提供24小时病情监测，这种‘智能隐形眼镜’概念产品，能在角膜缺氧早期发出预警，使并发症发生率降低60%，实现从治疗到预防的模式转变。」田磊说。

此外，更精确的图像处理和多模态联合诊断预测也将有突破性发展。

在转化方面，田磊预测，科技成果转化的瓶颈突破将成为行业发展的关键。当前转化面临两大堵点：信息差导致的临床需求与产业供给脱节，以及医院数据孤岛造成的AI模型训练数据不足。

解决问题的路径包括建立跨领域协作平台（如医生、工程师、法规专家组成的转化团队），推动政府主导的多中心数据联盟建设（通过标准化操作流程与隐私计算技术实现数据可用不可见），以及探索「设备+软件+数据」的多元商业模式。

未来3年，眼科AI领域有望出台一系列行业标准，包括影像数据标注规范、算法性能评价指标、临床应用路径等。田磊透露，北京同仁医院正在参与制定的干眼AI诊断标准，将为设备注册提供技术依据。

同时，基于联邦学习的隐私保护技术将广泛应用，在保证数据安全的前提下，使多中心模型训练效率提升50%，加速AI技术的临床「落地」与产业成熟。

田磊强调，眼科AI的未来不是医生被替代，而是人机协同的深度进化。AI将承担重复性高、标准化强的工作，如大规模筛查、基础诊断，而医生则聚焦于复杂病例决策、医患沟通等高价值环节，最终实现医疗资源的优化配置与患者福祉的最大化提升。这场技术变革不仅是工具创新，更是整个眼科诊疗体系的重构，需要临床医生、科技工作者、产业界与政策制定者的共同努力，才能真正实现「AI重构医疗」的愿景。

热点问答：解析眼科AI医疗「落地」的实践密码

针对AI医疗应用热点，田磊在直播中解答了部分网友的实践困惑。

健康界：不同医院设备参数和数据格式差异大，影响大模型训练，该如何解决？

田磊：我们研发了跨平台智能分析算法。只要能提取数据并标注，就能通过算法处理标准化，实现跨平台和远程分析。目前在睑板腺图像分析上应用效果良好。

健康界：您如何看待AI技术与传统眼科诊疗设备的融合趋势？

田磊：传统诊疗多依赖经验和主观判断，AI的发展让图像处理更精确，能发现肉眼忽略的病变细节，提升个性化和精确化诊断水平。同时，多模态分析融合病史、检查结果等多参数，已经在临床逐步应用。

健康界：多中心数据采集时，如何解决标准化和隐私保护问题？

田磊：标准化方面，可以通过制定SOP解决，但需要政府、医联体或权威专家牵头统一。技术上，规范字段定义并推广，建立标准数据库，实现跨模型数据收集。隐私保护则依靠立法规范和技术脱敏，目前国内已有成熟的保护机制和技术手段。

扫码报名AI讲师

欢迎医院、高校、企业人员报名！

对于公立医院/高校的讲师，有授课奖励！