AI重塑全球眼保健格局：跨国协同攻坚眼科大模型与数据共享新基建

 在2024年世界眼科大会（WOC）上，一场关于“眼科通用人工智能”的专题讨论吸引了全球目光。来自美国国立卫生研究院（NIH）、中山大学中山眼科中心及德国海德堡大学的研究团队联合发布了一项里程碑成果：基于超过50万例多族裔眼底影像训练的眼科大模型，在青光眼、糖尿病视网膜病变等致盲性眼病的诊断中，敏感性与特异性均超过98%，且首次在巴西、印度、中国的基层社区筛查中实现无差别落地。这标志着全球眼保健正式进入“AI协同”时代，而跨国数据共享与标准互认正成为破局关键。 长期以来，眼科AI研发面临“数据孤岛”难题——高质量标注数据集中于少数发达国家，模型在发展中国家应用时常因人群差异、设备差异而性能骤降。为此，国际防盲协会（IAPB）联合世界卫生组织（WHO）于2023年启动了“全球眼科AI协作网络”（GAIA），旨在整合全球多中心数据，开发可跨地域、跨设备泛化的基础模型。该网络采用联邦学习技术，确保各方数据不出本地，仅共享模型参数，从而兼顾隐私保护与协同创新。目前，已有来自30个国家的62家眼科机构加入，累计贡献眼底影像数据逾200万例，成为全球最大的眼科AI训练联盟。 跨国协同的另一个焦点是眼科AI的标准化评价体系。由于各国对AI医疗器械的审批标准不一，一款在美国FDA获批的糖网筛查算法，若想进入印度市场，往往需要从头进行临床试验。为此，国际眼科理事会（ICO）与亚太眼科学会（APAO）正联合草拟《眼科AI临床验证指南》，力图统一验证指标、数据集要求与真实世界评价方法。该指南借鉴了药物临床试验的国际协调会议（ICH）框架，已得到中国国家药监局（NMPA）等监管机构的初步认可。一旦落地，将极大缩短眼科AI产品的跨国上市周期，为全球近视防控、致盲眼病筛查提供“即插即用”的解决方案。 在产业化端，全球眼科AI竞赛已趋白热化。中国团队凭借丰富的临床数据与政策支持，在近视预测大模型、AI辅助角膜塑形镜验配等细分赛道形成差异化优势。例如，腾讯觅影与北京同仁医院合作开发的近视智能预测系统，能基于学龄儿童连续三年的屈光档案，提前两年预判高度近视风险，准确率达90%，已嵌入多个省份的青少年近视防控平台。与此同时，印度AI初创公司Forus Health推出的低成本便携式眼底相机，内置深度学习算法，可在无网络条件下完成青光眼初筛，已通过GAIA网络在撒哈拉以南非洲地区部署超千台，累计筛查超百万人次。 然而，AI全球化也面临伦理与公平性挑战。大规模数据采集可能加剧数字殖民担忧，部分低收入国家担忧成为资源提供者却无法公平分享技术红利。对此，GAIA网络设立了专利池与收益共享机制，规定所有基于共享数据产生的专利，需向数据贡献国免费授权，并将商业收益的5%返还给当地眼保健基础设施建设。这一模式在肯尼亚、孟加拉国等国的试点中，已帮助培训了数千名基层视光师，形成了“数据-技术-人才”的良性循环。 从技术层面看，下一代眼科大模型将超越影像，融合基因组学、生活方式与环境数据，实现全生命周期眼健康管理。2024年ARVO会议上，英国摩菲眼科医院与华大基因合作的研究表明，整合多基因风险评分与AI影像分析，可将年龄相关性黄斑变性的预测精度提升至传统方法的2.3倍。这类多模态模型依赖更大规模、更多维度的数据协作，进一步凸显了跨国合作的重要性。 总之，眼科AI的全球化不仅是技术输出，更是一场关乎标准、伦理、普惠的系统工程。随着中国、美国、印度、欧盟等主要经济体在2024年相继将眼健康纳入数字健康战略，AI驱动的眼保健模式有望在未来五年覆盖全球20亿缺乏眼科服务的人口。正如GAIA网络首席科学家、新加坡眼科研究所黄天荫教授所言：“我们不是在构建一个模型，而是在编织一张让每个角落都能看清未来的网。”这张网，正以跨国协同为经纬，逐寸织密。