全球眼科AI诊断联盟：跨国数据共享与算法互认破解眼底病筛查瓶颈

在日内瓦世界卫生组织总部的一间会议室内，来自六大洲的眼科专家与人工智能工程师正在调试一套跨国的眼底影像分析系统。屏幕上，来自肯尼亚乡村诊所、巴西贫民窟流动医疗车和印度社区医院的视网膜照片正被实时处理，算法在几秒内标注出可疑的糖尿病视网膜病变和青光眼迹象，准确率与三甲医院高年资医生相当。这是“全球眼科AI诊断联盟”（Global Eye AI Consortium, GEAIC）第三次全体会议的一个侧影。该联盟由国际防盲协会（IAPB）与多家跨国科技公司、顶尖眼科中心于2024年联合发起，旨在打破数据孤岛，建立跨地域、跨人种的眼底病筛查AI标准。 传统的眼科AI模型常因训练数据单一、缺乏种族多样性而在实际应用中表现不佳。例如，基于白种人为主的眼底图像训练的模型，对亚洲人高度近视相关的黄斑病变识别率可能下降20%以上。GEAIC的核心工作之一就是构建一个覆盖不同种族、不同经济水平地区的大规模多中心眼底图像数据库，并通过联邦学习技术在不共享原始数据的情况下联合训练模型，保护患者隐私的同时提升模型的泛化能力。截至2025年6月，联盟已汇聚来自42个国家、超过200万张标注眼底图像，并开发出首个开源的多任务眼底病筛查基础模型“RetinaGlobal”，其在糖尿病视网膜病变、青光眼、年龄相关性黄斑变性等主要致盲眼病的检测灵敏度与特异性均超过92%，尤其在非洲和东南亚人群中表现显著优于以往单一来源模型。 ) 数据共享之外，算法的互认与监管协同是另一大挑战。不同国家对AI医疗器械的审批要求差异巨大，导致同一模型可能在美国FDA获批，却需要耗费额外一年以上时间才能通过欧盟CE或中国NMPA认证。GEAIC正推动建立“眼科AI预审互认机制”，即联盟成员国的监管机构在评估AI模型时，可参考联盟技术委员会出具的标准化验证报告，减少重复临床试验。2025年初，一款由新加坡眼科研究所开发的青光眼筛查AI借助该机制，在三个月内同时获得了新加坡、马来西亚、泰国和菲律宾的批准，而此前预计至少需要18个月。这大大加速了新技术在欠发达地区的落地。 中国力量在联盟中扮演着关键角色。中山大学中山眼科中心、北京同仁医院等机构贡献了丰富的临床数据和病理知识，同时中国的AI企业如腾讯觅影、体素科技等积极参与模型训练与部署。例如，在“一带一路”沿线国家，中国企业提供的便携式眼底相机与AI云筛查平台已覆盖超过500个基层筛查点，累计筛查超过120万人次，发现可疑眼底病变患者近8万例，其中大部分得以转诊并接受进一步治疗。这种“设备+AI+培训”的整体输出模式，正成为全球眼健康公平的重要推动力。 联盟下一步计划将覆盖范围扩展到儿童眼病和罕见眼底病，并探索与可穿戴设备结合，实现居家眼健康监测。其愿景是到2030年，让全球所有地区至少有一家基层医疗机构能够使用经联盟认证的AI眼底筛查工具。这种跨国协同的模式不仅提升了技术本身的性能，更重要的是建立了一套新的全球卫生治理范式：以数据为纽带，以标准为桥梁，让最前沿的眼科AI技术不再只是发达国家的专利，而是成为人类共同对抗失明的利器。