## AI大模型赋能眼科影像：从筛查到预测的临床价值与市场卡位
在青少年近视率居高不下、眼病负担日益加重的背景下，AI辅助眼科筛查与诊断不再是科幻概念，而是正在重塑眼视光服务价值链的关键力量。从眼底彩照的糖网筛查到OCT图像的黄斑病变识别，再到基于大模型的眼轴长度预测与近视进展预警，技术演进正从“辅助工具”迈向“临床决策伙伴”，并催生新的市场机会。
### 从“看见”到“预见”：AI眼科影像的进化逻辑
传统眼科AI多聚焦于单病种、单模态的辅助诊断，如利用眼底彩照识别糖尿病视网膜病变，敏感性和特异性已可媲美资深眼科医生。然而，临床需求正在前移：能否提早数年预判儿童近视进展？能否从眼底血管形态预测心血管风险？大模型与多模态学习的兴起，让这些“预见性”应用成为可能。
例如，中山眼科中心团队基于超10万例儿童屈光发育档案，构建了深度学习模型，仅凭眼底图像即可预测未来3年近视度数增长，AUC达0.87，为个性化干预提供了量化依据。类似地，基于OCTA的血流量化与AI分析，正在探索高度近视黄斑病变的早期预警。这些技术不仅提升筛查效率，更将眼健康管理推向“精准预测”阶段。
### 市场卡位：从设备到云，从医院到社区
AI眼科影像的商业化路径呈现多元化。上游硬件厂商如蔡司、拓普康已将AI算法嵌入OCT、眼底相机，实现“拍摄即分析”；中游的医疗AI公司如鹰瞳科技、致远慧图，通过软件即服务（SaaS）模式向基层卫生机构输出筛查能力，覆盖糖尿病视网膜病变、青光眼等慢性眼病；下游视光中心与眼镜连锁则利用便携式眼底相机和云端AI报告，提升青少年近视防控的专业形象与用户粘性。
据艾瑞咨询数据，中国AI医学影像市场规模2025年将超200亿元，眼科是仅次于肺结节的第二大应用场景。尤其值得一提的是，国家卫健委《“十四五”全国眼健康规划》明确鼓励人工智能技术在眼病筛查、诊断和随访中的应用，政策东风为市场注入强心剂。
### 基层破局与支付创新：商业化的现实挑战
尽管前景广阔，AI眼科影像的规模化落地仍面临两大瓶颈：一是基层医疗机构设备参差不齐，数据标准化程度低，导致模型泛化能力不足；二是收费模式不明确，多数地区尚未将AI辅助诊断纳入医保或服务包，导致商业模式依赖政府筛查项目或消费者自费，可持续性存疑。
对此，行业探索出两条路径：一是“设备+服务”打包，如部分县域医共体采购AI眼底相机并提供云端诊断，按例次收取服务费，与基层公卫经费结合；二是面向消费医疗场景，视光中心通过AI眼底检查作为增值服务，提升客单价与差异化，例如爱尔眼科“眼健康档案+AI评估”已在部分机构开展。
### 未来竞争：数据闭环与场景深耕
AI眼科影像的护城河在于高质量标注数据与临床场景的深度绑定。未来竞争将围绕“真实世界数据—模型迭代—临床验证—服务闭环”展开。拥有大样本、多中心、前瞻性队列的企业将占据优势。同时，与视光中心、眼科医院、药械企业合作，将AI嵌入近视防控、白内障术前规划、青光眼随访等全流程，是必由之路。
总而言之，AI眼科影像已跨越技术验证阶段，进入临床价值与商业模式的角力期。谁能率先打通“筛查—诊断—干预—随访”闭环，并找到可持续支付方，谁就能在千亿眼健康市场中占据关键生态位。对于视光从业者而言，拥抱AI不是选择题，而是生存题。