AI在眼视光中的应用

20XX/XX/XXAI在眼视光中的应用汇报人:XXXCONTENTS目录01

AI+眼视光产业发展背景02

AI在眼视光诊断中的应用03

AI在眼视光治疗与手术中的应用04

AI在远程眼视光医疗中的应用CONTENTS目录05

眼视光AI关键技术与平台06

AI在儿童青少年近视防控中的应用07

AI眼视光应用案例分析08

AI眼视光应用挑战与未来展望AI+眼视光产业发展背景01政策支持："人工智能+"行动国家战略层面部署2024年全国两会期间，"人工智能+"(AI+)首次被写入政府工作报告，提出深化大数据、人工智能等研发应用，开展"人工智能+"行动，为眼视光等医疗健康领域的智能化发展指明方向。关键政策文件推动中共中央办公厅、国务院办公厅印发的《关于进一步完善医疗卫生服务体系的意见》提出，加快推进互联网、人工智能等在医疗卫生领域中的应用；工业和信息化部等10部门印发的《"十四五"医疗装备产业发展规划》提出加快智能医疗装备发展。医疗AI市场前景广阔艾瑞咨询预测，2025年中国医疗AI市场规模将达179亿元，2020年至2025年期间的复合年增长率为43.9%，增速领跑全球市场，"AI+医疗健康"正加快商业化进程。行业趋势：技术驱动与模式创新从单一病种识别到多病种协同诊断新一代眼科大模型已实现从“辅助判断”到“生成式报告”的跨越，能结合医学知识库生成包含病变描述、分级评估、鉴别诊断及治疗建议的完整报告，并支持多轮对话交互解释诊断依据。优质医疗资源“空间下沉”与服务半径扩展基于大模型的便携式眼科设备和远程协同体系，如温州医科大学与新疆阿克苏地区构建的“数智眼科健共体”，使基层眼病筛查效率提升3倍以上，糖尿病视网膜病变等疾病早期检出率提升50%。从被动治疗向主动预测和早期干预转型AI模型通过分析临床和影像学指标，可提前十年有效预测高度近视患者近视黄斑变性的进展情况，识别“高危”患者以采取及时干预措施，将预防关口前移。线上线下融合的一站式眼健康服务模式行业正加速向专业化服务、技术驱动、线上线下融合的一站式医疗健康聚合服务平台转型，如鹰瞳科技打造“线上互联网医院＋眼健康服务中心＋社区视光训练中心”三级诊疗体系，推动数字化转型与产业链升级。市场需求：眼健康问题与医疗资源缺口眼健康问题日益严峻

我国短视频用户规模达10.53亿人，“人均刷屏”带来眼健康挑战；青少年近视呈现低龄化趋势，儿童青少年近视问题已成为重要社会问题。致盲性眼病威胁不容忽视

糖尿病视网膜病变在我国2型糖尿病人群中患病率约为28%，传统筛查率不足10%；青光眼作为全球首位不可逆致盲眼病，威胁超过8000万人的光明。眼科医疗资源严重不足

我国眼科医生仅4.48万名，能看眼底的专业眼科医生更为匮乏，导致眼底筛查等服务难以广泛开展，基层医疗机构眼科医生数量少且诊断能力有限。AI在眼视光诊断中的应用02眼底图像分析技术

AI深度学习算法赋能基于卷积神经网络（CNN）等深度学习技术，AI可自动识别眼底图像中的复杂模式，如糖尿病视网膜病变的微动脉瘤、出血灶，青光眼的视盘特征性改变等，诊断精度可达甚至超过人类专家水平。

疾病筛查与诊断应用AI在眼底图像分析中广泛应用于糖尿病视网膜病变、青光眼、黄斑变性等疾病的筛查与诊断。例如，顶级AI系统在糖尿病视网膜病变筛查中准确率可达95%以上，且能在几分钟内完成大量图像分析。

量化分析与风险预测AI能够量化分析眼底结构参数，如杯盘比（CDR）、神经纤维层厚度等，并结合多源临床数据预测疾病进展风险，如提前十年预测高度近视患者近视性黄斑病变的风险，为早期干预提供依据。

效率提升与资源优化传统人工分析一张眼底片需5到10分钟，AI仅需5秒钟，显著提升诊断效率。在基层及资源匮乏地区，AI驱动的便携设备使大规模筛查成为可能，如北京海淀区“人工智能眼底诊疗协作平台”已筛查数万人次。糖尿病视网膜病变筛查

AI筛查的核心优势AI通过深度学习算法分析眼底图像，能快速识别微动脉瘤、出血灶等早期病变，准确率可达95%以上，远超传统人工筛查效率，且可将单次筛查成本降低60%以上。

传统筛查的痛点与挑战我国糖尿病患者超1.4亿，但传统筛查率不足10%，主要因专业眼科医生匮乏，基层医疗机构难以开展，导致大量患者错失早期干预时机。

临床应用与实践成效腾讯觅影等AI眼底筛查技术已助力10个省市50多家社区卫生服务中心，筛查人次超6万；鹰瞳科技AI诊断系统在全国数百家医院应用，显著提升筛查效率。

筛查流程与后续管理AI系统3-5分钟内完成图像分析并生成报告，提示病变风险，基层可通过绿色通道将异常患者转诊至上级医院，形成“筛查-诊断-治疗-随访”闭环管理。AI辅助眼底镜检查的可行性APAO2025试点研究证实，AI辅助手持式眼底相机评估杯盘比（CDR）与眼科医生测量值高度一致，尤其在资源匮乏环境下具有显著应用价值。AI算法的诊断精度优势伦敦大学学院与莫菲尔兹眼科医院研究显示，AI算法在6304张眼底照片中识别青光眼病例的准确率达88%-90%，高于人工阅片者的79%-81%。基层筛查中的AI赋能实践2025年西部省份基层医院应用AI系统，通过便携式设备实现青光眼早期筛查，某县医院单月检出3例早期青光眼，提升基层诊疗能力。多模态数据融合提升检测效能AI通过整合眼底图像、眼压、视野等多源数据，实现对青光眼风险的综合评估，辅助医生识别疾病快速进展高风险患者，优化干预策略。青光眼早期检测生成式诊断报告系统

结构化报告要素新一代眼科大模型可生成包含关键病变定性描述、疾病分级评估、鉴别诊断要点及随访治疗方案选项的完整报告，如“颞上方可见片状出血灶”“糖尿病视网膜病变，中度非增殖期”等。

多轮对话交互功能系统支持医生针对诊断结果进行提问，如“病灶为何更可能是DR而非视网膜静脉阻塞？”，AI能基于图像特征给出合理解释，提升诊断可信度与医学教育价值。

临床应用案例北京同仁医院AI眼底照相系统基于18万张眼底图像和315万份OCT影像开发，患者拍摄后3分钟内可生成涵盖眼病筛查及全身慢病风险评估的结构化报告，准确率达95%。

基层医疗赋能中山大学中山眼科中心ChatZOC眼科大模型通过手机预问诊系统，让用户输入症状、拍摄眼部照片即可获得初步诊断及就医建议，在新疆喀什公益筛查中覆盖3万余人，缓解当地医生短缺问题。AI在眼视光治疗与手术中的应用03个性化屈光手术规划单击此处添加正文

AI驱动的人工晶体度数精准计算2025年广泛应用的AI预测系统，通过分析角膜曲率、眼轴长度、前房深度等十多个参数，将白内障术后屈光误差控制在0.5D以内的概率提升至95%以上。屈光手术方案的个性化模拟与风险预警AI系统能够模拟不同切削方案对角膜生物力学的影响，预测患者术后视觉质量，预警角膜膨隆等潜在风险，实现从“一刀切”到个性化定制的转变。AI4DSMART全激光手术方案的临床应用南阳孔明眼科医院采用的AI4DSMART全激光手术方案，术前综合解析数十项检查数据，精准计算个性化角膜切削方案，矫正度数控制在0.1度，角膜组织节约量达微米级，术中AI七维追踪系统实时预判眼球运动趋势。角膜塑形镜智能验配算法的效率提升爱尔眼科在全国推广的角膜塑形镜智能验配算法，整合验光与角膜地形图数据，为医生提供精准参数参考，显著提升验配效率；天津市眼科医院视光中心的“角膜塑形镜人工智能辅助验配系统”推荐参数与医师实际验配方案吻合度普遍超过90%，部分品牌高达96%。白内障手术智能辅助

01人工晶体度数精准预测AI系统通过分析角膜曲率、眼轴长度、前房深度等十多个参数，将白内障术后屈光误差控制在0.5D以内的概率提升至95%以上，显著优于传统人工计算。

02手术规划与风险预警AI可模拟不同手术方案对眼部结构的影响，预测术后视觉质量，预警角膜膨隆等潜在风险，实现从"经验依赖"到"量化预测"的转变。

03术中实时精准导航AI引导器械能实时预判眼球运动趋势，辅助医生实施精确切口并准确放置植入物，分析术中影像与传感器信息，确保手术器械正确对位，降低人为误差。角膜塑形镜AI验配系统

01系统研发背景与核心价值针对我国青少年近视低龄化趋势及OK镜传统验配高度依赖医师经验的痛点，天津市眼科医院视光中心与南开大学联合开发该系统，实现近视防控需求与适配产品解决方案的精准对接。

02三大核心功能模块包括人工智能辅助验配模块（推荐镜片品牌与参数）、验配效果评估模块（分析配适指标及预测近视防控结果）、远程验配平台（异地数据同步与专家远程指导）。

03临床应用成效显著系统推荐参数与医师实际验配方案吻合度普遍超过90%，部分品牌高达96%，具备接近甚至超过中级以上医师的验配能力；可在配戴1个月后基于角膜地形图变化预测1年后的眼轴增长情况。

04构建全流程智能化服务体系该系统推动形成“筛查—分析—验配—随访—评估”全流程智能化服务，未来将进一步拓展至斜弱视干预、视功能训练、老年视觉健康等领域。AI预测疾病快速进展高风险患者AI模型通过对眼部影像与多源临床数据的深度分析，可预测疾病快速进展高风险患者，提示需要更积极的治疗策略，有助于实现更合理的医疗资源配置、提升医疗质量、改善患者结局并降低治疗成本。AI预测白内障手术并发症风险据统计，AI在白内障手术中的并发症预测准确率高达85%，能为医生提供预警，从而降低治疗风险。屈光手术潜在风险预警在屈光手术领域，AI系统能够模拟不同切削方案对角膜生物力学的影响，预测患者术后视觉质量，甚至预警角膜膨隆等潜在风险，使手术方案从“一刀切”转变为真正的个性化定制。手术风险预测与并发症预警AI在远程眼视光医疗中的应用04基层眼病筛查效率提升01AI辅助筛查效率显著提高中国西部地区试点项目显示，AI系统使基层眼病筛查效率提升3倍以上，同样人力资源可覆盖更多人群。02早期疾病检出率大幅增加AI系统将糖尿病视网膜病变等疾病的早期检出率提升了50%，为及时干预、避免失明提供了宝贵时间窗口。03便携式设备助力基层普及基于大模型的便携式眼科设备重量轻、操作简单，经短暂培训的村医或社区卫生人员即可使用，数分钟内返回诊断报告。04成功案例：数智眼科健共体温州医科大学与新疆阿克苏地区构建的“数智眼科健共体”，半年内完成7万多名群众眼病筛查，基层1分钟内完成6种致盲性眼病初筛。便携式AI眼底检查设备

设备核心功能与优势便携式AI眼底检查设备集眼底扫描、拍照、AI分析、报告生成为一体，3分钟内完成全过程。可检测眼底出血、青光眼等致盲性眼病，还能评估动脉硬化、糖代谢等10项全身慢病风险，准确率达95%。

基层医疗应用成效设备在基层医疗机构落地后，显著提升筛查效率。如北京海淀区甘家口社区卫生服务中心，患者候诊时即可接受筛查，异常者通过绿色通道转诊，形成筛查-诊断-治疗-随访闭环。北京同仁医院研发的设备已服务超400万人次，实现疾病早发现9.5万人次。

技术特点与数据支撑设备基于海量标准化眼底影像（如3000万张）训练AI模型，采用深度学习算法，5秒钟内完成图像分析，大幅解放医生重复劳动。其操作简单，经短暂培训的基层人员即可使用，解决了基层缺乏专科医生和专业设备的痛点。互联网医院与三级诊疗体系

线上互联网医院：远程诊疗与服务中枢以天津鹰瞳综合门诊为总部辐射全国市场，通过AI眼底人工智能技术为核心，提供线上咨询、诊断及治疗方案建议，构建一站式新型眼视光互联网医院服务模式。

眼健康服务中心：区域诊疗与资源整合作为连接线上与线下的关键节点，承接互联网医院转诊患者，提供专业检查、治疗实施及慢病管理服务，补充完善现有眼科诊疗体系，提升区域眼健康服务能力。

社区视光训练中心：基层筛查与早期干预贴近社区，利用AI赋能的便携设备开展青少年近视等常见眼病筛查，实现早预防、早发现、早控制，同时提供视功能训练等基础服务，承担眼病、视光全科初级诊疗任务。5G智能眼科巡诊车应用

移动医疗服务模式创新5G智能眼科巡诊车实现二代升级，将三甲医院服务直接送至社区和乡镇，成为能上门的"移动眼科医院"，打破优质医疗资源地域限制。

高效眼病筛查能力巡诊车配备全自动眼表眼底一体机等设备，基层人员操作后一分钟内可完成白内障等6种致盲性眼病初步筛查，提升基层筛查效率。

远程协同诊疗支持借助5G网络，巡诊车采集的数据可实时上传至云端，疑难病例能直通专家进行"云端会诊"，构建起"基层筛查-远程诊断"的协同体系。

广泛服务覆盖成果类似"数智眼科健共体"模式，在新疆阿克苏地区半年内完成7万多名群众眼病筛查，让偏远地区居民在家门口即可享受专业眼科检查服务。眼视光AI关键技术与平台05眼科大模型：EyeGPT与ChatZOCEyeGPT：全球首个眼科大模型温州医科大学附属眼视光医院研发的EyeGPT，拥有超过800万例临床诊断数据比对库，算力达700亿参数，通过卷积神经网络深度学习，疾病筛查准确率超90%，可实现“以眼观全身”，能发现糖尿病、高血压、阿尔茨海默症等全身性疾病早期征兆。ChatZOC：基层筛查的得力助手中山大学中山眼科中心研发的ChatZOC眼科大模型，在新疆喀什公益筛查中，通过手机预问诊系统，让用户输入症状、拍摄眼部照片即可进行初步诊断并提供就医建议，有效缓解了当地眼科医生短缺问题，覆盖3万余名群众。大模型赋能诊疗：从辅助判断到交互解释新一代眼科大模型能生成结构化诊断报告，包含病变描述、分级评估、鉴别诊断及治疗建议，支持多轮对话交互。如北京同仁医院AI眼底照相系统基于18万张眼底图像和315万份OCT影像开发，3分钟生成报告，准确率达95%，提升诊断效率与可信度。深度学习与卷积神经网络

深度学习在眼科影像分析中的核心作用深度学习通过多层神经网络模拟人脑结构，从海量眼部影像数据中自动学习特征，实现对糖尿病视网膜病变、青光眼等疾病的精准识别，其诊断精度可达甚至超过人类专家水平。

卷积神经网络（CNN）的图像识别优势CNN擅长捕捉眼底图像中的复杂模式，如微血管瘤、神经纤维层厚度等细微异常，通过卷积层、池化层等结构逐层提取特征，显著提升眼部疾病检测的准确性和效率。

眼科大模型的训练与应用实例全球首个眼科大模型EyeGPT拥有超过800万例临床诊断数据比对库，算力达700亿参数，通过CNN深度学习等算法，疾病筛查准确率超90%，实现“以眼观全身”的前瞻性预测。多模态数据融合技术多模态数据融合的定义与核心价值多模态数据融合技术是指将眼底图像、光学相干断层扫描（OCT）数据、眼压、血压、血糖等多种来源的生理与影像数据进行整合分析，以全面评估眼部健康状况的技术。其核心价值在于突破单一数据维度的局限，通过多源信息互补提升疾病诊断的准确性和风险预测的前瞻性。关键技术路径与算法支撑该技术以深度学习算法（如卷积神经网络、Transformer模型）为核心，通过特征提取、数据配准和融合决策三个步骤实现多模态数据的有效整合。例如，将眼底图像的结构特征与OCT的断层扫描数据结合，可更精准识别青光眼的视神经纤维层损伤；结合血糖数据则能优化糖尿病视网膜病变的风险分层。临床应用场景与实践案例在实际应用中，多模态融合技术已用于高度近视性黄斑病变（MMD）的十年进展预测，通过整合中央凹下脉络膜厚度、轴长、年龄等34项临床变量，模型预测准确率（AUROC）达0.87。此外，AI系统可结合眼底影像与全身慢病数据，同步筛查糖尿病视网膜病变及动脉硬化风险，如北京同仁医院AI眼底系统可同时评估10项全身慢病风险。技术挑战与未来发展方向当前面临数据标准化、隐私保护及算法可解释性等挑战。未来将向实时动态融合、跨模态知识迁移及边缘计算方向发展，例如通过便携式设备采集的多模态数据实时上传云端，结合5G技术实现远程协同诊断，进一步推动基层眼健康服务能力提升。平台建设背景与目标在国家政策推动与技术发展双重驱动下，为解决基层医疗资源匮乏、眼病筛查效率低等问题，人工智能眼底诊疗协作平台应运而生，旨在通过AI技术增强区域医疗协作能力，实现眼病早筛早诊。核心功能与技术特点平台集成AI深度学习算法，可对眼底图像进行自动化分析，实现糖尿病视网膜病变、青光眼等多种眼病的快速识别与风险评估。同时支持多中心数据共享与远程会诊，构建高效协同的诊疗网络。应用案例与成效数据以北京海淀区“人工智能眼底诊疗协作平台”为例，截至2024年4月底，已在区域内基层医疗机构完成筛查20125人次，社区筛查8678人次，转诊治疗率达40%，发现34例重大阳性病例，显著提升基层眼病筛查效率与早期检出率。未来发展方向平台将进一步拓展AI模型的疾病覆盖范围，优化分级诊疗流程，推动硬件设备与软件系统的生态化布局，助力构建“线上互联网医院+眼健康服务中心+社区视光训练中心”的三级诊疗体系，促进优质医疗资源下沉。人工智能眼底诊疗协作平台AI在儿童青少年近视防控中的应用06近视风险预测模型

模型开发目标与数据基础旨在开发精准预测高度近视患者近视黄斑变性（MMD）进展的模型，开发队列涵盖660名双眼屈光度≤-6.00D的患者，外部验证数据集包含212名轴长≥25.5mm的参与者，中位随访时间达10.9年。

关键预测因素识别经分析，MMD进展的前6个关键预测因素包括较薄的中央凹下脉络膜厚度、较长的轴长、较差的最佳矫正视力、年龄较大、女性以及较浅的前房深度。

算法性能与验证效果eXtremeGradientBoosting算法在训练队列中展现出最佳判别性能，受试者工作特征曲线下面积（AUROC）为0.87±0.02，在外部验证组中的AUROC验证值为0.80±0.008，校准效果良好。

临床应用价值与意义该预测工具能够提前十年有效预测MMD进展情况，准确识别出"高危"高度近视患者，为及时采取干预措施以保护患者视力提供有力支持，有助于实现近视并发症的早预防、早控制。个性化近视防控方案

AI辅助角膜塑形镜智能验配天津市眼科医院与南开大学联合开发的“角膜塑形镜人工智能辅助验配系统”，基于海量验配数据和深度学习算法，推荐参数与医师实际验配方案吻合度普遍超过90%，部分品牌高达96%，具备接近中级以上医师的验配能力，并能预测1年后眼轴增长情况。

高度近视性黄斑病变风险预测模型通过机器学习算法分析34个临床变量（含人口统计学、生活方式、近视病史及OCT数据），构建的模型可提前十年预测高度近视患者近视黄斑变性进展风险，训练队列AUROC达0.87±0.02，外部验证组AUROC为0.80±0.008，助力识别“高危”患者。

屈光手术的个性化方案制定AI系统通过分析角膜曲率、眼轴长度等十多个参数，在白内障手术中可将术后屈光误差控制在0.5D以内的概率提升至95%以上；在屈光手术领域能模拟不同切削方案对角膜生物力学影响，预测术后视觉质量，实现从“一刀切”到个性化定制的转变。社区眼视光门诊AI赋能

AI辅助精准诊疗与影像分析通过深度学习算法和大数据分析，AI赋能社区眼视光门诊实现眼病精准诊疗和影像分析，提升门诊服务能力，使其更贴近社区，及时干预青少年近视问题，实现早预防、早发现、早控制。

互联网医疗与线下门诊协同AI技术促进互联网医疗与社区眼视光门诊深度融合，互联网平台的即时咨询、在线预约、远程诊疗等功能，极大缓解实体门诊压力，为患者提供无缝对接的连续性服务体验，二者互为有效补充。

基层筛查效率与疾病检出率提升基于AI的便携式眼科设备在社区门诊应用，使基层眼病筛查效率提升3倍以上，糖尿病视网膜病变等疾病早期检出率提升50%，如鹰瞳科技“人工智能眼底诊疗协作平台”在社区完成筛查8678人次，40%人转诊接受治疗。

构建三级诊疗体系服务社区以AI技术为核心，推动社区眼视光门诊融入“线上互联网医院＋眼健康服务中心＋社区视光训练中心”三级诊疗体系，建立一站式新型眼视光服务模式，补充完善现有眼科诊疗体系，满足社区患者需求。AI眼视光应用案例分析07鹰瞳科技AI诊断系统实践核心技术与生态布局以眼底人工智能技术为核心，通过硬件和软件产品的生态化布局，快速渗透细分领域建立分级诊疗模型，赋能传统视光中心升级。人工智能眼底诊疗协作平台在北京海淀区卫健委和中关村科学城指导下，联合48家基层医疗机构建设，为全国首个在医联体区域进行私有化部署的实例，集成AI技术增强通用协作能力。平台应用成效截至2024年4月底，已在海淀医院及社区筛查人数达20125人次；完成项目沟通与设备安装21个；社区完成筛查8678人次；40%人转诊接受治疗，发现34个重大阳性病例。三级诊疗体系构建旗下互联网医院以天津鹰瞳综合门诊为总部辐射全国市场，逐步打造“线上互联网医院＋眼健康服务中心＋社区视光训练中心”三级诊疗体系，建立一站式新型眼视光互联网医院新模式。温州数智眼科健共体模式构建智慧眼科诊室网络在新疆阿克苏地区建设30个社区智慧眼科诊室，配备全自动眼表眼底一体机，基层人员操作设备，一分钟内即可完成白内障等6种致盲性眼病的初步筛查。云端协同与远程会诊数据实时上传至云端，疑难病例可直通温州专家进行“云端会诊”，打破优质医疗资源的地域限制，实现“专家能力下沉”。显著提升筛查效率与覆盖改革半年内，该模式已完成7万多名群众的眼病筛查，有效缓解了当地眼科医生短缺的问题，为及时干预、避免失明提供了宝贵时间窗口。同仁医院便携式AI眼底照相机应用设备核心功能与技术优势由同仁医院副院长魏文斌带队研发，基于3000万张标准化眼底影像构建眼科专病大模型，实现3分钟完成眼底扫描、拍照、评估、出具报告，准确率达95%。不仅能诊断眼底出血、青光眼等致盲性眼病，还能评估10项全身慢病风险。基层医疗机构落地情况已在东城区、海淀区、昌平区、顺义区的130多家基层医疗机构和体检机构落地，服务总量超400万人次，实现疾病早发现9.5万人次。例如在海淀区甘家口社区卫生服务中心，患者候诊时即可接受筛查。临床应用价值与效益AI技术将人工分析一张眼底片的时间从5-10分钟缩短至5秒钟，解放医生重复劳动。通过社区筛查-诊断-治疗-随访闭环，提升慢病管理效率，如76岁糖尿病史患者在社区筛查中及时发现早期糖尿病视网膜病变并转诊。天津眼科医院OK镜AI验配系统系统开发背景与目标针对我国青少年近视低龄化趋势，OK镜作为有效延缓近视进展手段，其验配精度直接关系效果与安全。传统验配高度依赖医师经验，不同品牌、设计镜片的选择与参数调整对验配构成巨大挑战，成为年轻医师成长瓶颈。系统核心功能模块系统主要包括三大模块：一是人工智能辅助验配模块，根据个体特征推荐镜片品牌与参数；二是验配效果评估模块，基于角膜地形图等数据自动分析配适关键指标，预测远期近视防控结果；三是远程验配平台，借助云端实现异地数据同步与专家远程指导。系统应用成效与价值目前，该系统推荐参数与医师实际验配方案吻合度普遍超过90%，部分品牌高达96%，具备接近甚至超过中级以上医师的验配能力。能