编者按：当下，全球众多人群正遭受眼底病变的困扰，可专业眼科医师数量有限，与实际需求差距巨大，难以满足日益增长的诊疗需求。在此困境中，人工智能（AI）辅助技术凭借高效精准、可复制性强等优势脱颖而出，成为破解难题的有力突破口。在中华医学会第二十九次眼科学术大会（CCOS 2025）上，北京协和医院陈有信教授以“眼底病AI辅助诊断的临床验证、眼科疾病AI研究方法”为题展开分享，其内容引发广泛关注。《国际眼科时讯》特邀陈有信教授进行访谈，深入探讨眼底病AI辅助诊断的相关热点议题。

国际眼科时讯：在眼底病AI辅助诊断的临床验证中，您认为哪些关键指标可以反映AI辅助诊断系统的性能和价值？您团队目前取得的临床验证结果在这些指标上表现如何，能否分享一些关键数据和结论？

陈有信教授：AI在眼科乃至整个医学领域的应用正蓬勃发展。确定AI的水平、明确其与人类医师的差距以及相关评估指标，是至关重要的环节。例如，AI的诊断效能是与主治医师、住院医师还是教授进行比较，其作用是辅助诊断还是独立诊断，这些都需要在研究前清晰设定。

常用的AI诊断效能的评估指标有诊断的敏感性和特异性。以某种疾病为例，若有100个患者让专家进行诊断，诊断出90个患者，那么敏感性是90%，显然并非百分之百，意味着存在一定的漏诊情况。而特异性同样基于金标准，若本应只有80个阳性患者，但诊断出85个阳性患者，即将部分阴性结果误判为阳性，这体现了诊断的不准确性，这便是特异性的考量范畴。此外，精准性、准确性以及曲线下面积（AUC）等指标，也常用于评估AI在筛查诊断和辅助诊断方面的价值。

以我们团队开展的一项多病种眼底筛查AI研究为例，着重观察初级医师与AI结合后所能达到的诊断水平。研究中，设立专家组作为金标准，由专家独立进行诊断。另一组则由普通医师（可能是全科医师、家庭医师或乡镇医院的非专科医师）与AI共同参与诊断，观察其诊断水平。结果显示，与专家组相比，普通医师组存在较大差距，诊断率可能仅有80%，而加上AI辅助后，诊断率提升至90%。由此可见，AI辅助发挥了显著作用，使阳性检出率提高了10%至20%。我们团队开展的一项涵盖五家临床中心的多病种研究，进一步发现，普通医师加上AI辅助，对某些疾病，如中心性浆液性脉络膜视网膜病变、青光眼、视神经病变等，阳性检出率提高了10%，甚至有的单病种提高了30%，充分彰显了AI辅助的价值。这意味着，无需派遣专家到基层，只需将AI软件、电脑或眼底照相设备部署到基层，就能使基层医师的诊断水平初步达到专家水准。通过严谨的临床试验，我们证明了AI辅助确实提升了诊断水平，这是其价值的重要体现。

另外，不能仅凭自身数据来证明AI的效果，必须采用科学的方法进行验证。通常采用双盲法，由第三方进行验证。通过多中心、随机对照研究得出的结果才是最高水平的证据。我们致力于寻找高等级的证据，形成A级循证医学证据，这样的结果才具有可信度。目前，我们团队进行的几项临床试验表明，研究所关注的AI软件在筛查方面效果卓越，敏感性和特异性都非常高，均在0.9以上。

国际眼科时讯：在临床实践中，如何构建AI辅助诊断与眼科医师诊断之间的有效协同模式？AI应该在哪些环节为医师提供支持，而医师又该如何发挥自身优势，对AI诊断结果进行审核和修正，以确保最终诊断的准确性？

陈有信教授：要着重给大家介绍的是大语言模型（Large Language Model，LLM），其中为人熟知的便是DeepSeek。目前，许多医院都进行了该模型的本地化部署，目的是让其学习某种疾病的相关知识。当医师将患者的表现输入系统后，它会给出诊断结果，例如列出若干条诊断意见。如果专家认为某些诊断有误，就会对其进行修改，修改后的内容便构成了一个反馈，AI会基于这个反馈再次进行学习。经过这样的反复学习过程，其诊断水平不断提高。因此，这是一个反馈与学习相互促进的过程。

目前，像北京协和医院、爱尔眼科医院集团等医院，都已经部署了这种AI。因为有些疾病相当复杂，基层医院医师的知识储备和思维逻辑能力有时可能不如AI。在这种情况下，向AI咨询，它可能会提供很多诊断提示和可能性。医师再结合病史进行查看，可能会发现AI的诊断是正确的，从而修正自己的诊断。当然，也有时候医师认为AI给出的诊断不对，并将意见反馈给它。这样，AI的水平也会得到提升，类似于教学相长的过程。目前来说，在基层医院加上AI的辅助，很有可能达到专家水平或高年资医师的水平，而且这种应用在基层更为广泛。

国际眼科时讯：在眼底病AI辅助诊断的临床验证实践，以及眼科疾病AI研究的探索征程中，您的团队无疑站在了学术前沿。能否请您分享一下，您团队近期取得了哪些研究成果？

陈有信教授：AI研究主要聚焦于以下几个方面：第一，疾病筛查，可分为单模态和多模态两种方式；第二，单病种或多病种的病变识别与诊断以及疾病预测，比如预测疾病治疗后的效果；第三，眼与全身疾病关联性的研究。我们团队在上述领域均有所涉猎，近期主要聚焦于以下两个研究方向。

一、眼底疾病多病种的研究。AI最早用于诊断白内障、青光眼或糖尿病视网膜病变等单一疾病。但这样会导致医师仅擅长诊断一种疾病，水平受限，拍摄一张眼底照片，却看不出其他疾病，这不合理。我们希望实现“眼底一张照，眼病全知道”的目标，即无论患者患何种眼病，都能通过一张眼底照片进行诊断。实际上，这并不容易实现。目前，我们团队已经发表了两篇相关文章，一篇发表在NPJ Digital Medicine杂志上，另一篇发表在Cell Reports Medicine杂志上。特别是在发表于Cell Reports Medicine杂志上的研究，我们借助目前在眼科应用非常广泛的超广角眼底成像（UWF）技术，成功开发了基于UWF与深度学习技术的AI系统。该系统能够精准识别25种眼底病变，并智能生成转诊建议。

二、眼与全身疾病的研究。我们团队开展了一项全国多中心研究，利用眼底照片来探讨其与慢性肾病（包括糖尿病肾病）的关联性。这项研究取得了非常好的成果，能够预测慢性肾病，相关研究结果已发表在NPJ Digital Medicine杂志上。我们团队还开展了另一项研究，即利用超广角眼底照相机观察贫血情况。过去，受限于观察角度，视野范围较小；而此次研究中，我们采用了UWF技术，并开展了针对贫血初步分类的AI研究。目前该研究已经完成，正在投稿中。此外，我们依托北京协和医院的优质资源，开展了眼科与其他科室（如神经科，聚焦颈动脉狭窄相关疾病）关联性的研究。同时，我们还计划推进真实世界研究项目。现阶段，这些研究均在有序开展中。我相信，在不久的将来，我们将为大家呈现一系列有价值的研究成果。

国际眼科时讯：基于当前的研究成果和面临的挑战，您认为眼底病AI辅助诊断和眼科疾病AI研究未来的研究方向有哪些？从临床应用角度看，AI技术在眼科领域还有哪些潜在的应用前景，将如何进一步改变眼科疾病的诊疗模式？

陈有信教授：在我看来，AI的发展必将重塑现有的诊疗模式。在疾病筛查、诊断、治疗方案制定、药物研发、医学教育以及手术方案规划等方面，AI都将展现出卓越的应用成效。不仅如此，手术机器人的研发也必将取得重大突破。

此外，AI还将推动眼与全身疾病的研究朝着更广泛、更精准的方向发展，并助力疾病疗效预测工作。例如，AI能够预测某种药物对特定个体的适用性，从而辅助选择最适宜的药物和治疗方案，在这方面，AI具有显著优势。

未来，AI将更多地应用于基层疾病防控领域；同时，在三级甲等医院等大型医疗机构中，AI也将成为辅助专家进行诊断和疗效预测的重要工具。我相信，在这一领域必将取得更多突破性进展。

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。