眼底AI的基层实践：从筛查到慢病管理，一张眼底照的 “视” 界观

当前，人工智能（AI）在眼科的应用已从概念走向落地，其中基于眼底影像的AI辅助诊断系统正成为基层眼健康服务的“数字守门人”。不同于青少年近视防控的前端筛查，眼底AI更侧重于慢病管理与致盲性眼病的早筛。一张眼底照片，不仅能反映眼部的血管、神经状态，更是观察全身性疾病如糖尿病、高血压的“窗口”。 据近期全国眼科学术大会发布的数据，我国糖尿病患者中糖尿病视网膜病变（DR）的患病率约为24.7%-37.5%，但基层筛查率不足30%。传统筛查依赖眼科医生人工阅片，在基层面临资源匮乏的困境。如今，多家国产眼底AI产品已获批国家药监局三类医疗器械注册证，其灵敏度和特异性均可达90%以上，能够在数秒内完成对DR、年龄相关性黄斑变性等眼底病变的自动识别与分级。 以长三角地区的一个县域医共体为例，自2024年底引入AI眼底筛查系统后，内分泌科与眼科实现协同。患者在血糖管理的同时即可完成眼底照相，AI即时出具报告。对于提示中度及以上非增殖性DR的患者，系统自动转诊至眼科进行荧光血管造影或激光治疗。运行半年以来，该地区DR的早期发现率提升了40%，由DR导致的严重视力损伤新发病例数同比下降了15%。这充分体现了AI在弥补基层专科医生缺口、实现关口前移中的价值。  除了单病种识别，多模态、多病种的AI平台成为新趋势。最新的《中华眼科杂志》文章指出，基于大模型技术的眼科基础模型正逐步整合彩色眼底照、OCT和视野等多源数据，实现从单纯筛查向综合诊断、病情预测的跨越。例如，一款在研系统可通过分析眼底结构变化，预测高度近视患者未来发生黄斑劈裂的风险，从而为个体化随访间隔提供依据。 然而，眼底AI的深度应用仍面临挑战。首先，数据质量与标准化问题突出。不同品牌、不同参数设置的眼底相机获取的图像差异较大，可能影响AI判读的稳定性。其次，商业模式与支付体系建设尚在探索。目前多数项目依赖于财政拨款或科研课题，可持续性不足。业内人士呼吁，应将眼底AI检查纳入基本公共卫生服务包，或与商业健康保险结合，形成“筛查-转诊-治疗-随访”的闭环管理路径。 2025年的视光及眼科会议均设立了“AI与数字眼科”专场，深度探讨从技术到临床转化的最后一公里。未来的图景是，在社区卫生服务中心、健康体检中心乃至药店，一张标准化拍摄的眼底照通过云端AI分析，即刻生成健康建议，真正实现“眼底一张照，慢病早知道”的全人群眼健康管理新生态。