编者按

在数字化医疗快速发展的时代，人工智能（AI）技术正在深刻改变着眼科疾病的诊疗模式。青光眼作为全球首位不可逆致盲眼病，其早期诊断和精准管理一直是眼科领域的重大挑战。传统的青光眼诊断依赖于医生的主观判断和经验积累，存在诊断效率低、主观性强等问题。近年来，以深度学习为代表的AI技术在青光眼诊疗领域展现出巨大潜力。AAO 2025会议上，美国华盛顿大学医学院Cecilia Lee教授就AI在青光眼诊断和管理中的主要应用进行了深入探讨，并接受《国际眼科时讯》专访，进一步为我们展示了这一前沿技术的最新进展和临床应用前景。

《国际眼科时讯》： 您关于AI的主题演讲听起来非常有趣。请您介绍一下AI在青光眼诊断和管理中的主要应用场景？

Cecilia Lee教授：我认为过去几年中，这一领域出现了许多令人振奋的研究。最初，AI模型主要用于分类和预测——例如判断哪些患者是疾病进展较快的人群（fast progressors）。这在临床上具有重要意义，比如帮助我们识别需要更积极治疗或更频繁随访的患者。

回顾早期，AI主要用于疾病分级——比如区分哪些人患有青光眼、哪些属于轻度或中度青光眼。但现在，我们将更多风险因素（如遗传信息和人口学数据）纳入模型，以提升其性能。

此外，我们正在开发能够预测快速进展患者的模型。例如，我们有一项研究使用单次视野测试作为输入数据，预测该患者在三年或五年后的视野变化情况。

与此同时，我们也在尝试模拟临床医生的思维方式——将结构与功能数据相结合。在临床实践中，我们通常会综合OCT结构成像和视野功能数据，而AI能够整合多模态数据，如视野、OCT甚至OCTA。随着影像技术和AI算法的不断进步，我们将更准确地预测哪些患者会有较差的预后，从而提前干预，防止疾病进一步进展。

《国际眼科时讯》： 您认为AI能如何简化或优化眼科的临床实践流程？

Cecilia Lee教授：AI可以在很多方面发挥作用。比如，在患者首次进行视野测试时，通常存在较大的学习曲线。我们在临床研究中往往需要连续进行两到三次测试，以确保结果可靠、排除噪音干扰。AI模型有潜力帮助我们“微调”或“去噪”视野测试结果，从而减少重复测试的需要。同样地，基于OCT指标，AI也可以预测患者未来的视野表现。由于视野检查本身具有一定主观性，对部分患者来说较难配合，因此这将是一个很大的改进。

此外，AI还能优化门诊工作流程。如今，青光眼专科医生每天面对大量影像和测试数据，工作负担很重。将AI融入诊疗流程，可以帮助简化决策过程、提升工作效率。我认为在这一领域仍有巨大的改进空间。

《国际眼科时讯》： 我们如何区分在眼科实践中使用AI与不使用AI之间的效率差异？

Cecilia Lee教授：这是一个很有意思的问题。我认为有时之所以具有挑战性，是因为AI这一领域本身非常广泛，涵盖了多种不同的应用场景。

当我们讨论效率时，这一概念可能涉及临床实践中的多个方面。例如，AI 可能有助于减少我们在电子病历（EHR）记录上所花费的时间，或在执行常规检查如眼压（IOP）测量和视野测试时提高工作效率。通过优化这些流程，AI 可以帮助临床医生制定更有效的管理方案。

效率的评估还可以体现在医生与患者的时间分配上，比如每位患者的平均诊疗时间，或一天内能够接诊的患者数量。然而，另一个同样重要的评估维度在于，AI 是否真正提升了预测的准确性，或改善了患者的临床结局。举例来说，作为一名视网膜专科医生，我可能观察到，在十位患者中，有五位在一年内出现了视力下降。但如果借助 AI 模型对患者进行高风险分层，我能够据此调整治疗策略——例如增加玻璃体腔注射的频率——在接下来的一年中，只有两位患者出现视力下降。这种变化就体现了 AI 应用带来的临床结局改善。

因此，我们可以从多个维度评估 AI 的作用：包括工作效率、临床结局、工作流程优化，以及患者与临床医生的满意度。在这些不同的方面，我们都可以探讨 AI 是否真正带来了积极的价值。当然，我并不认为 AI 在一开始就会在所有方面都发挥作用。事实上，在我们刚开始将其应用于临床时，它可能并不会立即显示出显著的益处，需要日久的经验累积和持续革新。

《国际眼科时讯》： 您认为在未来三到五年内，AI在眼科领域的发展趋势将如何？

Cecilia Lee教授：我尤其期待利用AI和大数据获得新的科学洞见——不仅用于理解疾病的进展与发展机制，还包括“眼科组学（oculomics）”这一新兴领域，也就是通过眼部数据来反映全身健康状况。

举例来说，仅凭视网膜影像，我们能否预测某人在五年后会不会出现痴呆？或预测谁可能在三年内发生心肌梗死、中风或帕金森病？AI有潜力彻底革新医学思维。未来，医疗诊断将不仅仅依靠测量血压或体重，而是通过非侵入性检测（如眼底影像）来评估全身风险。

将来，我可能会告诉患者：“您未来五年内患高血压的风险为50%，发生心梗的风险为20%。” 这类信息将促使我们提前采取干预措施，比如建议患者减重、使用他汀类药物、改善生活方式等。这将彻底改变医学管理模式——从“诊断治疗已发生的疾病”转变为“预测并预防未来可能发生的疾病”，实现更早期、更精准的健康干预。

在近期阶段，AI还将在风险分层（risk stratification）方面发挥重要作用。当我们部署AI模型进行大规模筛查时，能够快速识别出目前患病或高风险人群，从而提高医疗服务效率。对于低风险患者，AI则可以提供生活方式指导、提醒进行肿瘤或神经科筛查等。

总的来说，AI会让医疗变得既复杂又简单，但同时也会让医疗更加精准和个体化。

《国际眼科时讯》： 您在本届AAO大会上的主要收获是什么？

Cecilia Lee教授：我对“眼科组学”这一新兴领域非常感兴趣——它通过整合大规模眼部数据与AI模型，来预测阿尔茨海默病、糖尿病、心血管疾病及代谢性疾病等全身性疾病。此外，我也对AI技术（包括大型语言模型）在优化临床工作流程中的潜力十分期待。它们不仅能帮助医生提高工作效率、减轻负担，还能为患者提供更高效、更精准、更人性化的医疗服务。

总结

随着AI技术的不断成熟和监管环境的完善，人工智能在青光眼诊疗中的应用将更加广泛和深入。未来有望实现更智能的筛查系统、更精准的诊断工具、更个性化的治疗方案、更便捷的患者管理。这一技术的推广应用将有力推动青光眼防治工作的开展，为全球防盲治盲事业做出重要贡献。

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。