眼病診療，會邁上怎樣的臺階？
用“手機看病”，這個聽起來頗為科幻的場景，其實已經走進了現實。
2024年12月初，新疆喀什地區第一人民醫院的眼科醫生阿布力米提·阿吉，就剛剛參與了一場這樣由“智能手機醫生”“主導”的大型眼底疾病篩查活動。
活動中，參與篩查的用戶僅需通過手機拍照，就可以了解到自己的眼部健康情況、完成病歷癥狀填寫，并由AI醫生給出初步診斷意見。而這位“手機醫生”背后，其實是一款眼科AI大模型輔助工具。通過這種方式，在短短一周內，篩查活動就觸達到了3萬多名用戶。
在新疆喀什地區，受紫外線強、日照時間長等影響，白內障疾病高發，是當地最主要的致盲眼病。但由于眼科醫生相對欠缺，許多患者對眼病的重視程度也有待提高，往往到了很嚴重的時候才想起去醫院檢查，導致錯過最佳治療機會。
放眼整個中國基層地區，喀什的問題或許不是個例。這也是為何，在國內，眼科疾病一直是備受政府和醫療行業重視的問題。2022年，國家衛健委印發的《“十四五”全國眼健康規劃（2021-2025）》文件中就曾強調，要“加強重點人群重點眼病防治”，如青少年近視防控、白內障復明水平，以及提高眼底病、青光眼等眼病的早診早治能力等。
如今，伴隨著人工智能等前沿科技在醫療行業的應用逐漸深化，以及更多新型輔助診斷工具的出現，眼病診療，又會邁上怎樣的臺階？
當眼病遇上眼科大模型
眼睛是心靈的窗戶。常規的眼底檢查、醫生快速介入問診不僅能在眼科疾病診療中發揮作用——相關數據統計，近80%的眼底病其實是可防可控的；在內分泌等其他科室，眼底影像也可以成為重要的診斷工具參考。比如眼底上的血管、視神經等相關參數，對診斷糖尿病、高血壓等全身性疾病也極具價值。
但在國內，這樣一套問診流程卻一直沒能大面積推廣。
具備眼科疾病篩查意識的人很少固然是一方面原因，但更重要的是，醫院搭建眼科科室的資源和成本投入巨大，且國內眼科醫生與患者的數量比例懸殊。新版《中國眼健康白皮書》統計，國內眼科醫生數量僅為4.48萬名，約合每5萬人才對應1.6名眼科醫生。
在下沉的基層醫療市場，這種現象尤為嚴重。2021年，首都醫科大學附屬北京同仁醫院眼科中心團隊針對全國13400所二、三級醫院的眼科門診開展的一項調研顯示，2009年新醫改之后，國內區域間醫療資源平衡問題的確有所改善，但在西藏等西部偏遠地區，眼科醫生資源的發展仍“明顯落后于其他省份”。
但醫生的培養周期非常長，在人力短板尚無法快速彌補的當下，業界更需要的，是一款能夠準確高效、可廣泛推廣的眼疾診斷、診療工具，以更便捷的方法解決眼病診療問題。
近兩年，AI大模型技術的出現可以說是恰逢其時。
實際上，眼科疾病高度依賴影像診斷、需要醫生大量閱片等特點，決定了這是一個與人工智能技術十分適配的學科。這也是自前些年第一批“AI+醫療”風潮開始時，眼科疾病領域就曾是各大企業競相追逐的高地的原因。
只不過，受限于技術水平和對醫療場景的認知有限，早期的眼科AI診療產品開發仍存在一些瓶頸，比如缺乏標準化、高質量的眼病數據集；算法模型對眼科影像數據的挖掘相對淺顯，所以AI技術無法完全發揮在新診斷靶標篩選、發現環節的作用等；或因AI系統過于依賴影像數據，缺少多源信息融合，使得診斷結果的可解釋性差。
這些缺陷，最終導致篩查效率和準確率不足。又或者，醫生雖能實現遠程問診，但由于患者數量眾多，還是無法在短時間內完成高質量的綜合篩查等。
但如今，伴隨著大語言模型的應用開發，這些問題都逐漸得到解決。比如，阿布醫生所在醫院的這次篩查，用到的就是中山大學中山眼科中心（下稱“中山眼科中心”）聯合華為開發的ChatZOC國產眼科大語言模型。
這是一款基于國產昇騰算力的國產化自主研發眼科AI大模型。在眼科領域，中山眼科中心在業界非常具有權威性，是唯一直接受國家衛健委管理的公立眼科醫院，年門診量超120萬人次，擁有深厚的眼科專科數據積累。而華為的加入則主要為問診系統提供算力支持，協助ChatZOC大模型的訓練和推理，從而更高效處理海量數據、完成復雜計算任務，提升知識問答的科學性。
目前，該系統已搭載眼底圖像質控、病變風險判斷等多項先進功能，能夠解讀視力、眼壓、裂隙燈照相和眼底照相等多種檢查結果，幫助居民及時發現潛在的眼部疾病。
醫生利用ChatZOC工具篩查眼病
值得一提的是，自2023年3月該研究啟動，到當年12月華為開始參與進聯合研發，再到2024年6月的正式發布，ChatZOC實現如今這樣的功能，僅僅只用了一年多的開發時間。
中山眼科中心主任、醫院院長林浩添教授提到，華為開始參與研究后，為了將這款大模型落地，雙方團隊耗時180多天，攻克了100多個技術難題，迭代數十次版本，最終讓“模型能力提升數倍”。目前，ChatZOC已支持完成近150萬次問診，可減少50%的檢查判讀工作量。
這個過程中，AI大模型在醫療行業內的應用也終于如行業預期那樣，從“通才”成為理解眼病的“專才”。眼科診療的變革，或將由此開始。
診斷、科研、教學，
ChatZOC走進“日常”
就像“口袋里的眼科醫生，而且是儲備了中山眼科中心所有前沿臨床知識那種”，阿布醫生這樣評價ChatZOC這位新助手。
在偏遠地區，患者不再需要走很遠的距離或排號很久才能來到醫生面前。在“預問診-拍照診斷-后問診-眼科問答”的執行模式下，僅需通過一部手機，患者就能獲得ChatZOC專業眼科數字AI醫生的實時在線問診。
隨后，真人醫生又會根據ChatZOC輸出的輔助診斷報告快速完成出診，并及時告知患者異常情況，確保后續就醫的連續性。
在喀什的這場活動中，中山眼科中心團隊和當地醫生們一起，總共完成了對2所醫院、3所學校和2個村鎮居民的眼病集中篩查，覆蓋人群3萬余人，其中3000人完成了預問診；在篩查效果上，35%的參與者被篩查出干眼、屈光不正、白內障等疾病，另有數十人先后被轉診至大型醫院進行治療。
之所以在初步應用時就能取得這樣的成果，與ChatZOC具備的“醫生思維”高度相關。中山眼科中心數智化技術研發與應用部負責人林楨哲舉例解釋，很多患者對自己的疾病癥狀并不了解。如果想讓模型真正幫助到患者，要做的其實是“引導他們說出病情”。
因此，不同于常規的AI模型，ChatZOC的AI醫生不僅會關注到患者的疾病訴求，還會關注患者的情感需求等問題。這個過程中，患者感受到的，就像“在和一位真實的醫生交流”。
與此同時，不僅僅是醫療輔助診斷，完成流程優化后，ChatZOC大模型還可以在教學、科研、數字化醫院建設等多個場景實現應用。
比如在教學領域，醫學生可通過與ChatZOC互動來模擬醫患問答過程，培養診療思維；在科研領域，ChatZOC也可作為科研智能助手，為研究人員提供“一站式科研項和工具管理”，促進學科交叉融合創新。
此外，隨著政策層面推動，數字化醫院建設成為近年來醫院發展的主流方向。這一點上，ChatZOC也可以接入醫院平臺，為患者提供全天候的眼健康咨詢。現有測試數據顯示，在相同人力的情況下，ChatZOC輔助模式下的服務患者效率提升可達到75%。
能夠實現這樣的應用效果，主要得益于團隊在大模型開發過程中對醫療場景的深度理解。華為相關領域專家表示，開發醫療大模型時一定要尊重醫療行業的知識產權，“通過AI使能行業，讓行業人才懂AI”。
“華為致力于做好行業三個底座：解決方案底座，生態底座和人才底座，支撐好中山大學中山眼科中心，用AI賦能醫療行業。”
助力分級診療，
大模型放大醫療“普惠價值”
在醫療行業，有一個著名的“不可能三角”理論：即在傳統醫療生產力中，很難同時兼顧“質量”“成本”和“效率”三個關鍵要素。而它們分別對應的，其實就是“看得好病”“看得起病”和“看得上病”三大核心問題。
如今，雖然AI大模型還無法做到直接完成看病的整個流程，但已經成為實現“不可能三角”的重要支點。
一直以來，區域間的醫療資源平衡都是行業的追求。過去，三級診療制度中“基層首診、大病轉院”的實施目的正在于此。但傳統依靠人力的方式，仍然很難解決診療水平差異、醫院等級劃分標準不同等問題，導致患者不信任基層醫療水平，還是想“扎堆”去大城市的三甲醫院看病。
比如在眼科診療上，前述首都醫科大學附屬北京同仁醫院眼科中心的研究中就曾提到，當前，國內東部沿海省份眼科服務壓力仍顯著高于西部地區，亟需“加強欠發達省份的眼科服務能力建設，使居民能在當地獲得治療”。
如今，隨著大模型的出現，一種由技術主導的新型三級診療模式已經在慢慢醞釀中，這種現象有望得到改善。
依托于AI、大數據、5G等底層智能技術，AI大模型主導的三級診療正呈現出的最新特點，就是患者可以“足不出戶”完成基礎的疾病篩查，并“無縫銜接到頂級專家的醫療服務”。同時，這個過程中，大模型能基于自主學習能力給出的診斷意見，又會為醫生提供初步參考，從而提高工作效率。
在基層真的可以“看好病”，這讓患者對三級診療模式形成信任基礎的同時，也能真正實現醫療資源高效利用的初衷。
