医疗AI安全风险四级分类法
摘要
研究提出医疗AI临床安全的四层分类标准：S1为可测试的窄域应用；S2为需医生审核的决策支持；S3为依赖随访结果、需部署后监测的高潜风险应用；S4为应禁止或严控的自主高风险操作。以DeepDR-LLM系统在糖尿病视网膜病变筛查中的实际应用为例，说明同一AI功能因使用方式不同，安全等级可在S2至S4间动态变化，并建议建立覆盖短期信号、定期随访和超12个月长周期的多窗口上市后监测体系。
信息来源： PubMed Ophthalmology 发布于 2026年9月1日
要点速览
- 提出S1–S4四级医疗AI安全分类，依据是AI是否可测试、是否需医生审核、是否依赖随访结果、是否自主高风险
- 以DeepDR-LLM系统为例，说明同一AI功能因使用方式不同，安全等级可在S2至S4间动态变化
- 建议实施多窗口上市后监测，包括近期内信号捕捉、定期随访检查点及超12个月的长周期监测
本站解读
这项研究没有报告新数据或临床试验结果，而是构建了一个实用的安全风险框架——把AI按‘是否绕过医生判断’‘伤害是否延迟显现’‘能否逆转’等维度划分为S1到S4四级。它用DeepDR-LLM这个真实部署的AI系统举例：当它只作辅助提示（医生复核后决定），属S2；若筛查结果直接触发转诊且后续结局影响安全性，则升为S3；若跳过医生直接发诊断报告，就逼近S4红线。这种分类不看准确率高低，而盯住‘会不会伤人’和‘能不能追责’，直击当前AI落地最薄弱的环节。
研究设计是概念性框架+单系统案例推演，没有大样本随机对照，因此不能直接改变今日门诊流程，但为监管审批、医院采购和厂商开发提供了清晰的安全标尺。尤其明确要求S3类应用必须配套‘超12个月’的长期监测，这比现有多数AI验证周期长得多。预计未来三至五年，国内外AI眼科产品注册路径将逐步向该框架靠拢。国内情况有待确认。
常见问题
AI查出我有糖尿病眼病，是不是就不用找医生看了？
不是。研究明确指出，若AI用于筛查后直接跳过医生判断，就属于最高风险的S4级，应被禁止或仅在极端保障下使用。目前合规的AI系统都定位为S2级辅助工具，所有结果仍需医生审核确认。如有疑虑可咨询眼科医生。
AI查眼病靠谱吗？以后会不会出错还查不出来？
研究强调，AI是否安全不只看当时准不准，更要看错误后果是否延迟出现、难以归因、不可逆。例如漏诊导致数月后失明，就很难追溯到最初AI判断。因此对S3级应用，必须跟踪患者超12个月。这说明长期可靠性比单次准确率更重要。
延伸阅读
雷珠单抗玻璃体腔注射优于激光光凝治疗糖尿病黄斑水肿
研究通过Meta分析整合10项临床研究，共纳入1040例糖尿病黄斑水肿（DME）患者，其中531人接受玻璃体腔注射雷珠单抗（IVR），509人接受激光光凝治疗。结果显示，IVR组最佳矫正视力（BCVA）改善更显著，平均差值为5.69个字母（95% CI：4.51–6.86），差异具有统计学意义。结论认为IVR在提升视力和减轻黄斑水肿方面持续优于激光光凝，但不良事件发生率更高。
糖尿病视网膜病变研究进展综述
该综述系统梳理了糖尿病视网膜病变（DR）的转化医学进展，涵盖神经血管单元、代谢记忆、肠道-视网膜轴等新机制；VEGF以外的治疗靶点如NLRP3炎性小体、Ang2/Tie2轴和非编码RNA；递送技术瓶颈，指出脂质纳米颗粒和GalNAc偶联策略在肝脏成功但在视网膜未达预期；以及AI筛查、缓释植入物等临床转化方向。结论指出当前主要障碍已非机制不明，而是细胞特异性递送、早期试验设计与终点标准化。
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。