仅仅一张照片就可以识别近视，大模型为基层医疗带来了新技术。

一位患有外斜视的孩子用头发遮住，隐藏倾斜的眼睛，防止同学异常的目光，同居的父母也没有发现任何问题。借助模型，一次免费诊所筛查发现了问题。近日，上海交通大学医学院附属第九人民医院眼科主任医师李琳接受了澎湃科技（www.thepaper.cn）在采访中，记者介绍了这样一个案例。她开发的儿童常见眼病筛查和管理系统跨越了地域限制。儿童常见眼病筛查只能通过一张眼前照片进行，实现早期筛查、早期诊断和早期治疗，促进医疗资源公平。

今年1月，上海公布了上海人工智能实验室与上海交通大学附属第九人民医院、上海交通大学、医利捷(上海)信息科技有限公司联合打造的首批大型医疗示范应用项目，是儿童常见眼病筛查管理系统。这个管理系统现在正在为基层免费门诊提供技术支持，近视筛查的准确性达到80%-95%。他说：“将来我们也希望用大模型来识别眼部照片，在术前评估病人术后的康复状况，为病人提供心理预期。”李琳说。

大模型一图识近视

近视是眼睛最常见的疾病。在中国，青少年近视的比例已经达到70%以上，呈现出频繁和年轻化的趋势。近视引起的严重并发症会导致视网膜脱离。如果不早期筛查和早期诊断，一般近视可能会发展成高度近视，对眼底的伤害是不可逆的。

在上海，青少年和儿童每年接受两次入学筛查。“我们通常会派技术人员和医生去上学。我们必须携带仪器，组织学生。筛查流程长，时间紧，精度低。”李琳说，20%-30%的学生推荐复试，不需要进一步治疗。

2024年初，上海市第九人民医院、上海市人工智能实验室、医利捷联合开发了儿童常见眼病筛查管理系统，以取代传统耗时的筛查方法。

起初，李琳很好奇AI是否能识别上睑下垂和斜视。她没想到的是，AI对近视的反应比她想象的要敏感。李琳曾经怀疑AI错了。直到分析热点图片，她才发现近视度数越高，角巩膜点越红，反映了角膜曲率，角膜曲率与近视密切相关。

他们开发的深度学习可以识别眼部疾病模型，可以筛查近视、斜视、上睑下垂等眼部疾病，尤其是对高度近视的筛查比较敏感，精度超过95%。"仅仅与病人交谈，医生是不可能知道病人近视的，但是模型可以。”李琳说。除了筛查功能外，系统还基于医生临床思维和案例等医学语言材料的培训，利用大模型技术向基层医生介绍眼科管理经验，定期向患者推送科普知识，生成随访计划。

出口眼科管理经验。

上海人工智能实验室青年科学家、副研究员徐捷表示，将管理建议推给基层医生，进一步管理儿童眼病的进展。这种下沉的专家经验有助于减轻基层医生的负担，提高他们的诊疗技术。

为了验证模型能力，去年10月，儿童常见眼病筛查管理系统进入中国西南和西北边境，系统识别出一名7岁患者患有上睑下垂。信息上传至上海市第九医院诊断后，发现患者患有斜视和弱视，最终在上海市第九医院接受治疗。

李琳表示，儿童常见眼病筛查管理系统已在全国16个地区进行验证，进行临床研究，回收基层真实数据进行再培训，提高模型性能。然而，她希望通过家庭早期筛查和早期诊断，看到筛查系统落地的家庭来控制眼部疾病的进展。

AI落地应用领域不能故步自封。

今年1月，上海公布了首批涵盖疾病筛查与管理、临床诊疗协助、智能科研协助、智能教学协助、智能管理等方向的大模型医疗示范应用项目。，涵盖诊前、诊中、诊后和管理的各个环节。

人工智能在医疗领域的应用正在逐渐显示其潜力和价值。徐捷认为，为了建立AI与医疗的间隙连接，AI不应该自满。我们必须从临床情况入手，选择合适的场景，找到合适的优质数据，以人为本，医疗工人交叉推进创新，满足真实需求，让创新技术不仅停留在论文上，还能避免医疗资源的浪费。

他说：“图像诊断在医疗领域已经走得很远了，医院拍完片子后一般都要用人工智能来协助阅读。”徐捷说，AI在医疗领域最早的落地就是视觉识别，只要喂足了数据，AI和医生的经验几乎是一样的。大模型出现后，通用大模型可以获取更高精度的小模型数据，处理复杂的医疗问题，就像儿童常见的眼病筛查管理系统一样，大模型可以从视觉模型中提取特征，导出管理意见。在她看来，未来垂直小模型的能力会回馈到一般的大模型，实现“通专结合”，所有的特征模型都可以变成专门精致的医生智能体。

李琳说，在这个阶段，AI并不能取代医生。前端筛查是AI落地医疗的初始爆发点。未来，AI有望应用于全息诊断、手术疗效预测等领域，帮助改善手术方法。“如果我们拍照，医生想做的手术方法和人工智能给的方法不一样。我们应该考虑AI给出的方案是否更适合患者？这有利于促进治疗效果。”

大模型将重塑医疗信息化流程和患者就医认知，从导医、写电子病历到提供随诊信息，提高工作和就医效率。医利捷(上海)信息技术有限公司产品总监李国杰表示，短短十几年时间，医院就经历了信息化和数据共享。到目前为止，每四五年都是一个很大的变化。或许将来病人只需在大型导医中输入语音，就可以获得挂号信息，提高就诊的获得感。

目前，完成筛查后，儿童常见眼病筛查管理系统反馈随访信息，负责筛查系统实用化的医疗利益未来将开放医院内外的数据管理系统，使筛查系统成为面向青少年、父母和医务人员的多端互动产品，实现从信息化到实用化。

信任是新技术最大的挑战

垂直化、系统化、场景化、细分化将成为人工智能在医疗场景中应用和发展的主旋律。然而，大型落地医疗仍然面临挑战。

病人总是关心医生的资格，人工智能电影阅读的错误是不能容忍的。李琳说，目前大型医疗最大的挑战是不信任。没有权威机构的认可，很难大规模推广医疗模式。

"人们总是质疑未知。病人拍了一张CT，不管懂不懂，他总是要看看光源，其实他是想要得到这些知识。在调查中，李国杰发现，病人更愿意拥有一个能理解医生术语的智能体，帮助他们快速获得医学知识。虽然医学语料材料的实践可以导出大模型的健康管理知识，但目前大量专科报告的解读仍然需要依靠医生的专业知识和技能，不要盲目陷入文献训练。与此同时，在模型训练过程中要设置权重，避免医疗资源的挤兑。

理解的变化是长期的、潜移默化的，需要政策和技术的共同努力来增强公众的信任。此外，在商业化方面，AI新技术的实施医疗也面临着高成本投入、严格的医疗审计和长期的盈利周期。

以大模型落地眼科为例。在开展项目之前，你必须经历1-2个月的伦理审查。之后，你必须经历1-2年的临床研究。拿到专利后，可以转换，争取物价审核。经过多轮谈判和调查，医院可以获得技术条形码，批准后可以铺开使用。经过这个过程五年已经很快了。在这个漫长的周期里，公司随时都会面临发展风险。

"多方努力将克服这个卡点。现在政府、我们的实验室机构都在提前布局，甚至我们也在想是否能够帮助推动医疗服务备案。这一产业可以蒸蒸日上，从政府、机构、用户，到企业达成一致。“徐捷表示，当制度拐点来临时，行业已达成医疗服务备案标准和共识，大模型将加快落地医疗服务，提供便捷合规的医疗服务。他说：“如果我们能像信任医生一样信任AI，或许未来大模型全面落地医疗是触手可及的。”

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com