眼病诊疗，会迈上怎样的台阶？
用“手机看病”，这个听起来颇为科幻的场景，其实已经走进了现实。
2024年12月初，新疆喀什地区第一人民医院的眼科医生阿布力米提·阿吉，就刚刚参与了一场这样由“智能手机医生”“主导”的大型眼底疾病筛查活动。
活动中，参与筛查的用户仅需通过手机拍照，就可以了解到自己的眼部健康情况、完成病历症状填写，并由AI医生给出初步诊断意见。而这位“手机医生”背后，其实是一款眼科AI大模型辅助工具。通过这种方式，在短短一周内，筛查活动就触达到了3万多名用户。
在新疆喀什地区，受紫外线强、日照时间长等影响，白内障疾病高发，是当地最主要的致盲眼病。但由于眼科医生相对欠缺，许多患者对眼病的重视程度也有待提高，往往到了很严重的时候才想起去医院检查，导致错过最佳治疗机会。
放眼整个中国基层地区，喀什的问题或许不是个例。这也是为何，在国内，眼科疾病一直是备受政府和医疗行业重视的问题。2022年，国家卫健委印发的《“十四五”全国眼健康规划（2021-2025）》文件中就曾强调，要“加强重点人群重点眼病防治”，如青少年近视防控、白内障复明水平，以及提高眼底病、青光眼等眼病的早诊早治能力等。
如今，伴随着人工智能等前沿科技在医疗行业的应用逐渐深化，以及更多新型辅助诊断工具的出现，眼病诊疗，又会迈上怎样的台阶？
当眼病遇上眼科大模型
眼睛是心灵的窗户。常规的眼底检查、医生快速介入问诊不仅能在眼科疾病诊疗中发挥作用——相关数据统计，近80%的眼底病其实是可防可控的；在内分泌等其他科室，眼底影像也可以成为重要的诊断工具参考。比如眼底上的血管、视神经等相关参数，对诊断糖尿病、高血压等全身性疾病也极具价值。
但在国内，这样一套问诊流程却一直没能大面积推广。
具备眼科疾病筛查意识的人很少固然是一方面原因，但更重要的是，医院搭建眼科科室的资源和成本投入巨大，且国内眼科医生与患者的数量比例悬殊。新版《中国眼健康白皮书》统计，国内眼科医生数量仅为4.48万名，约合每5万人才对应1.6名眼科医生。
在下沉的基层医疗市场，这种现象尤为严重。2021年，首都医科大学附属北京同仁医院眼科中心团队针对全国13400所二、三级医院的眼科门诊开展的一项调研显示，2009年新医改之后，国内区域间医疗资源平衡问题的确有所改善，但在西藏等西部偏远地区，眼科医生资源的发展仍“明显落后于其他省份”。
但医生的培养周期非常长，在人力短板尚无法快速弥补的当下，业界更需要的，是一款能够准确高效、可广泛推广的眼疾诊断、诊疗工具，以更便捷的方法解决眼病诊疗问题。
近两年，AI大模型技术的出现可以说是恰逢其时。
实际上，眼科疾病高度依赖影像诊断、需要医生大量阅片等特点，决定了这是一个与人工智能技术十分适配的学科。这也是自前些年第一批“AI+医疗”风潮开始时，眼科疾病领域就曾是各大企业竞相追逐的高地的原因。
只不过，受限于技术水平和对医疗场景的认知有限，早期的眼科AI诊疗产品开发仍存在一些瓶颈，比如缺乏标准化、高质量的眼病数据集；算法模型对眼科影像数据的挖掘相对浅显，所以AI技术无法完全发挥在新诊断靶标筛选、发现环节的作用等；或因AI系统过于依赖影像数据，缺少多源信息融合，使得诊断结果的可解释性差。
这些缺陷，最终导致筛查效率和准确率不足。又或者，医生虽能实现远程问诊，但由于患者数量众多，还是无法在短时间内完成高质量的综合筛查等。
但如今，伴随着大语言模型的应用开发，这些问题都逐渐得到解决。比如，阿布医生所在医院的这次筛查，用到的就是中山大学中山眼科中心（下称“中山眼科中心”）联合华为开发的ChatZOC国产眼科大语言模型。
这是一款基于国产昇腾算力的国产化自主研发眼科AI大模型。在眼科领域，中山眼科中心在业界非常具有权威性，是唯一直接受国家卫健委管理的公立眼科医院，年门诊量超120万人次，拥有深厚的眼科专科数据积累。而华为的加入则主要为问诊系统提供算力支持，协助ChatZOC大模型的训练和推理，从而更高效处理海量数据、完成复杂计算任务，提升知识问答的科学性。
目前，该系统已搭载眼底图像质控、病变风险判断等多项先进功能，能够解读视力、眼压、裂隙灯照相和眼底照相等多种检查结果，帮助居民及时发现潜在的眼部疾病。
医生利用ChatZOC工具筛查眼病
值得一提的是，自2023年3月该研究启动，到当年12月华为开始参与进联合研发，再到2024年6月的正式发布，ChatZOC实现如今这样的功能，仅仅只用了一年多的开发时间。
中山眼科中心主任、医院院长林浩添教授提到，华为开始参与研究后，为了将这款大模型落地，双方团队耗时180多天，攻克了100多个技术难题，迭代数十次版本，最终让“模型能力提升数倍”。目前，ChatZOC已支持完成近150万次问诊，可减少50%的检查判读工作量。
这个过程中，AI大模型在医疗行业内的应用也终于如行业预期那样，从“通才”成为理解眼病的“专才”。眼科诊疗的变革，或将由此开始。
诊断、科研、教学，
ChatZOC走进“日常”
就像“口袋里的眼科医生，而且是储备了中山眼科中心所有前沿临床知识那种”，阿布医生这样评价ChatZOC这位新助手。
在偏远地区，患者不再需要走很远的距离或排号很久才能来到医生面前。在“预问诊-拍照诊断-后问诊-眼科问答”的执行模式下，仅需通过一部手机，患者就能获得ChatZOC专业眼科数字AI医生的实时在线问诊。
随后，真人医生又会根据ChatZOC输出的辅助诊断报告快速完成出诊，并及时告知患者异常情况，确保后续就医的连续性。
在喀什的这场活动中，中山眼科中心团队和当地医生们一起，总共完成了对2所医院、3所学校和2个村镇居民的眼病集中筛查，覆盖人群3万余人，其中3000人完成了预问诊；在筛查效果上，35%的参与者被筛查出干眼、屈光不正、白内障等疾病，另有数十人先后被转诊至大型医院进行治疗。
之所以在初步应用时就能取得这样的成果，与ChatZOC具备的“医生思维”高度相关。中山眼科中心数智化技术研发与应用部负责人林桢哲举例解释，很多患者对自己的疾病症状并不了解。如果想让模型真正帮助到患者，要做的其实是“引导他们说出病情”。
因此，不同于常规的AI模型，ChatZOC的AI医生不仅会关注到患者的疾病诉求，还会关注患者的情感需求等问题。这个过程中，患者感受到的，就像“在和一位真实的医生交流”。
与此同时，不仅仅是医疗辅助诊断，完成流程优化后，ChatZOC大模型还可以在教学、科研、数字化医院建设等多个场景实现应用。
比如在教学领域，医学生可通过与ChatZOC互动来模拟医患问答过程，培养诊疗思维；在科研领域，ChatZOC也可作为科研智能助手，为研究人员提供“一站式科研项和工具管理”，促进学科交叉融合创新。
此外，随着政策层面推动，数字化医院建设成为近年来医院发展的主流方向。这一点上，ChatZOC也可以接入医院平台，为患者提供全天候的眼健康咨询。现有测试数据显示，在相同人力的情况下，ChatZOC辅助模式下的服务患者效率提升可达到75%。
能够实现这样的应用效果，主要得益于团队在大模型开发过程中对医疗场景的深度理解。华为相关领域专家表示，开发医疗大模型时一定要尊重医疗行业的知识产权，“通过AI使能行业，让行业人才懂AI”。
“华为致力于做好行业三个底座：解决方案底座，生态底座和人才底座，支撑好中山大学中山眼科中心，用AI赋能医疗行业。”
助力分级诊疗，
大模型放大医疗“普惠价值”
在医疗行业，有一个著名的“不可能三角”理论：即在传统医疗生产力中，很难同时兼顾“质量”“成本”和“效率”三个关键要素。而它们分别对应的，其实就是“看得好病”“看得起病”和“看得上病”三大核心问题。
如今，虽然AI大模型还无法做到直接完成看病的整个流程，但已经成为实现“不可能三角”的重要支点。
一直以来，区域间的医疗资源平衡都是行业的追求。过去，三级诊疗制度中“基层首诊、大病转院”的实施目的正在于此。但传统依靠人力的方式，仍然很难解决诊疗水平差异、医院等级划分标准不同等问题，导致患者不信任基层医疗水平，还是想“扎堆”去大城市的三甲医院看病。
比如在眼科诊疗上，前述首都医科大学附属北京同仁医院眼科中心的研究中就曾提到，当前，国内东部沿海省份眼科服务压力仍显著高于西部地区，亟需“加强欠发达省份的眼科服务能力建设，使居民能在当地获得治疗”。
如今，随着大模型的出现，一种由技术主导的新型三级诊疗模式已经在慢慢酝酿中，这种现象有望得到改善。
依托于AI、大数据、5G等底层智能技术，AI大模型主导的三级诊疗正呈现出的最新特点，就是患者可以“足不出户”完成基础的疾病筛查，并“无缝衔接到顶级专家的医疗服务”。同时，这个过程中，大模型能基于自主学习能力给出的诊断意见，又会为医生提供初步参考，从而提高工作效率。
在基层真的可以“看好病”，这让患者对三级诊疗模式形成信任基础的同时，也能真正实现医疗资源高效利用的初衷。
