随着科技的飞速发展，人工智能（AI）在医疗领域的应用已成为一个不可忽视的趋势。特别是在眼科诊断中，AI技术的介入不仅极大地提高了诊断的效率和准确性，还为资源匮乏地区提供了新的解决方案。中国眼科领域资深专家、AI领域的先行者北京协和医院陈有信教授、四川大学华西医院张明教授、温州医科大学附属眼视光医院刘晓玲教授、华中科技大学同济医学院附属同济医院孙旭芳教授，针对AI在眼科领域的应用现状、进展、挑战以及未来的发展方向进行了深度探讨。

从左至右：张明教授、陈有信教授、刘晓玲教授、孙旭芳教授。 视频截图

话题一：

目前眼科疾病诊断中面临的问题和AI应用的潜力

孙旭芳教授：中国眼科医生数量有限，AI可以大幅提升诊断效率，特别在糖网病筛查中具有重要作用。AI赋能将改变传统的诊疗模式，眼科医生需要学习和了解 Al，否则可能被技术取代。

刘晓玲教授：眼底疾病诊断依赖大量影像数据，AI能帮助医生管理和整合这些数据，简化随访和科研。

张明教授：我国的地区发展差异化比较大，在西部边远地区，AI可以解决医疗资源匮乏的问题，特别是在疾病筛查和早期诊断方面。AI的高重复性和不知疲倦的特性能在相对恶劣的条件下发挥更大作用。

陈有信教授：基层医生的培训和教学也是AI的应用场景，AI能自动标注病灶，帮助初学者学习和提高诊断水平。

话题二：

AI探索工作的经验分享

张明教授：AI的发展减少了对医生图像标注的依赖，使眼底影像不仅能识别眼部疾病，还能无创筛查全身问题。我也利用AI进行了一些研究，发现眼底微血管和脉络膜毛细血管的密度变化与帕金森病(PD)、阿尔茨海默病(AD)等中枢神经系统疾病相关，且黄斑中心凹的巩环直径与这些疾病存在关联。此外，AI在心脑血管疾病的早期无创检测上也展现出潜力，如高血压和糖尿病视网膜病变的早期识别。随着AI技术发展，未来不仅能更精准地诊断眼病，还将扩展至全身疾病的预测与防治。

孙旭芳教授：AI技术突破了传统眼科图像处理，实现自动识别与分级。我们团队利用AI进行的研究发现，Al结合自监督学习大幅提升了眼底影像分析的效率，不再依赖大量标注，并能自动归类与预测疾病。她的研究表明，眼底图像不仅能识别眼病，还能通过Al量化全身47项指标，如性别、体重、糖化血红蛋白和血脂。这使得眼底图像成为宝贵的健康资源和隐私数据。通过本研究进一步探索了AI在血管老化评估中的应用，开发了名为“reti-agent”的评分体系。该评分能高效判断血管老化程度，与传统的PWV (脉搏波速度)指标效能相当。同时，这一模型还能预测心血管事件的发生，如心梗、脑梗和粥样斑块。这些研究表明，AI赋能的眼底影像技术不仅用于还能预测心血管事件的发生，如心梗、脑梗和粥样斑块。这些研究表明，AI赋能的眼底影像技术不仅用于眼科诊断，还能在心血管疾病预测和健康管理中发挥重要作用。

陈有信教授：Al通过自监督学习，能够自动归类图像并诊断疾病，并且可以通过眼底图像量化多个健康指标，未来眼底图像可能成为健康预测的重要依据。

话题三：

AI探索工作的经验分享

刘晓玲教授：多模影像比单一影像更有利于疾病的精确诊断和长期观察。单靠一张眼科彩照无法完全诊断复杂的眼底疾病，必须结合OCT、血流OCT、自发荧光等多模影像才能进行全面分析。长期观察和结合多层次影像数据对疾病的精确诊断和治疗至关重要。温州医科大学附属眼视光医院开发的“EYE- GPT”系统可以在临床和科研中为医生提供帮助，通过自动回答患者问题、科普和教育年轻医生，减轻医生负担，并促进科研的发展。

陈有信教授：大数据模型的知识储备和信息处理能力远超人类，AI结合眼科影像能帮助医生解放时间，提高效率。AI在医学教育、科普和复杂临床问题中展现出巨大潜力。尽管专家经验丰富，但人工智能在信息整合上的优势不可忽视。专家应与时俱进，积极应用AI工具，以提升科研、教学和医疗成果。科技进步不可逆转，作为眼科专家，我们需结合经验解决AI应用中的挑战，让眼科工作更高效。

张明教授：人工智能虽是全球科技的进步，但在应用时需要考虑不同地域和种族的差异。人工智能不但要专注于特定的医学领域，如眼底病和白内障，还需结合不同区域的人口特点。结合病史和实验室检查，AI在疾病诊断和预测中的准确性优于传统医生的判断，尤其是通过眼底影响进行心脑血管疾病的预测方面表现出更高效能。因此，尽早加入AI赛道非常关键，否则未来将难以追赶。

孙旭芳教授：AI在某些领域已经超越了人类的认知极限。例如，AI在眼底图像分析中，能够准确分类糖尿病肾病和其他类型的肾脏疾病，超过了传统医生的诊断能力。Al能够察觉细微的结构和色彩变化，这些是人眼无法识别的。然而，尽管AI的发展迅速，它仍有不足之处，比如可能出现“幻觉”现象，即在没有确切答案时，它可能提供误导性的或不准确的信息。医生应当了解 AI的局限性，谨慎对待其建议，并在应用于患者时进行验证，以避免对患者造成潜在的负面影响。

话题四：

AI在眼科诊疗应用中的挑战

张明教授：人工智能在落地应用中仍面临法律、伦理和物价收费等挑战，其可持续发展需建立明确的规矩和底线。未来应由人类主导AI的开发与应用，确保其在辅助工作时不突破法律和伦理边界，避免潜在风险。制定合理的限制和规范将是行业发展的关键。

刘晓玲教授：人工智能应被视为我们的助手，并将来可能成为伙伴。然而，人工智能的应用仍需人为主导。虽然人工智能可以提供更广泛的视角和帮助，但其视角并不总是完全准确。因此，人们需要甄别和合理应用人工智能提供的信息，设定明确的边界，以确保它能有效支持而不是取代人类的决策和专业判断。

孙旭芳教授：当前人工智能在疾病诊断和预测中的可解释性仍然很差，表现得像一个“黑匣子”。虽然AI能够通过眼底照相等数据得出诊断结果，但其决策过程的解释仍然不够明确。例如，AI可能无法清楚说明为何通过眼底图像判断某种疾病，只能提供热图和一些部分解释。尽管在某些研究中，例如通过眼底图像和AI结合来诊断肠癌，已有初步解释，但整体上AI的逻辑和思维方式与人类不同，解释性仍需进一步探索。可解释性不足是当前AI研究面临的一个重要挑战，影响了论文的发表和应用。

陈有信教授：人工智能在预防和早期治疗的价值在卫生经济学上是显而易见的，但相关部门可能需要更多认识和计算来充分发挥其潜力。目前国际上已关注AI的算法准确性、伦理、隐私等挑战，如“幻觉”现象可能导致虚假结果。此外，数据共享与隐私保护尚未完善，大规模模型的能源与成本消耗也带来严峻挑战，如单次训练成本高达500万美元。因此，AI的发展需在提升管理的同时解决经济与环境问题。

值得一提的是，作为针对眼科医生的科研AI平台，小罗俱乐部包含了各种科研工具，包括大模型数据的应用，专门用于科研。此外，还有类似于知识图谱和知识库的功能，有点类似于 CHATGPT，但是内容更加包罗万象，可能会对我们的科研工作有所帮助。值得一提的是，作为针对眼科医生的科研AI平台，小罗俱乐部包含了各种科研工具，包括大模型数据的应用，专门用于科研。此外，还有类似于知识图谱和知识库的功能，有点类似于 CHATGPTa，但是内容更加包罗万象，可能会对我们的科研工作有所帮助。

话题五：

AI在眼科领域应用的展望

张明教授：AI在疾病数据处理和治疗决策中有很大的优势，Al能够高效抓取和分析大量数据，帮助医生发现以前忽略的信息，从而为预后、治疗方案(如治疗方案中如何选择抗VEGF药物、多靶点药物或激素类药物)提供更加合理的建议。通过AI生成的个性化数据，如患者的遗传背景和疾病风险，医生可以更精准地预测疾病进展。AI还可以加速新药研发，尤其在个性化治疗方面带来突破性的进展。

孙旭芳教授：AI在药物研发中展现了突破性的效率提升。传统药物分子构型设计可能需要8至10年，而Al能够通过筛选历史数据迅速合成新的药物，如抗多重耐药菌的抗生素“HYLOMYCIN”。AI不仅能加快新药研发，还可以设计出人类工艺暂时无法实现的药物分子。可以预见不远的将来，AI将显著提高科研和临床诊断的效率，医生和研究人员需要学习并掌握AI技术，以更好地利用其创新潜力。

刘晓玲教授：这是一个需要开放心态并重构知识结构的时代。ChatGPT在诊疗中的应用为医生提供了多种参考工具，我自己经常用ChatGPT解决问题。如何将ChatGPT等AI工具整合到具体工作中，是当今医生需要学习和适应的重要趋势。

陈有信教授：自2016年起便投入AI研究，取得了多项成果，认为AI在眼科的应用前景广阔。中国的眼科医生不能在人工智能领域落后于发达国家。未来，AI将能辅助医生查文献、回答患者问题，甚至进行手术和药物研发。有可能将逐渐成为医疗领域的重要组成部分。