AI进入视网膜诊疗对专科培训的冲击
摘要
研究系统梳理了AI在视网膜图像判读中的临床部署如何重塑专科医生培训体系，涵盖教育机会、发展风险与课程响应三方面。检索截至2026年3月，识别出六大主题：部署场景、AI作为教学工具、可解释性与教学法、学员能力退化风险、大语言模型对考核效度的影响，以及机构应对措施。研究指出AI既带来个性化病例分配、合成数据生成等新可能，也引发‘去技能化’‘从未习得技能’和自动化偏见等真实风险。
信息来源： PubMed Ophthalmology 发布于 2026年6月10日
要点速览
- 研究检索截止时间为2026年3月，采用PRISMA扩展版与JBI方法学框架
- 识别出六大主题，包括AI作为教育工具、可解释性与教学法、自动化偏见等风险
- 指出机构与认证体系的响应明显滞后于临床部署，急需针对性研究与课程改革
本站解读
这背后是医疗AI从辅助工具向能力替代者演进的底层趋势——当AI routinely matches or exceeds first-year resident performance（原文明确指出），训练逻辑就从‘练熟’转向‘练判’：判断何时信AI、何时质疑AI、如何与AI协同决策。受益最直接的是能快速构建标准化教学平台的教育科技公司和头部教学医院；传统依赖经验积累的中小型培训中心承压，尤其在缺乏AI适配课程更新能力的情况下。
中国市场已出现类似映射：国内三甲医院视网膜门诊普遍接入AI筛查系统，但住院医师规范化培训大纲中尚未纳入AI协作能力模块，更无经验证的胜任力评估标准。这种制度滞后比原文指出的‘institutional and accreditation responses lag substantially behind clinical deployment’更为显著。
后续需紧盯两个信号：一是国家卫健委是否在2027年前启动眼科住培AI能力模块试点；二是国内主流医学教育期刊是否在2026年内发布首份《AI时代视网膜专科培训共识》。若两者皆未出现，说明行业响应仍停留在技术采购层，未触及人才培养内核。
常见问题
AI看眼底照片比年轻医生还准，那以后学眼科是不是不用练看片了？
不是不用练，而是练法变了。目前中国多数三甲医院已用AI初筛眼底照，但住培大纲仍未更新AI协作能力要求。这意味着学员仍需掌握基础判读，更要学会识别AI漏诊、误判场景。如有疑虑可咨询眼科医生。
我孩子将来想当眼科医生，现在学AI相关知识有用吗？
非常有用，但当前国内医学院校课程尚未系统纳入AI临床协作内容。未来5年，具备AI理解力与人机协同思维的医学生将在科研、多中心研究和新技术落地中占据优势。如有疑虑可咨询眼科医生。
延伸阅读
大语言模型生成高度近视考题能力评估
研究对比了ChatGPT-5.4、Gemini 3、DeepSeek、Kimi K2.5和Doubao五款公开大模型在高度近视领域生成单选题（MCQ）的能力。每模型完成60道题，共300题，覆盖基础理论、临床案例、诊疗决策及筛查随访四类内容。所有模型结构合格率均为100%，但关键答案准确率从95.0%（Kimi K2.5、Doubao）到100.0%（ChatGPT-5.4、Gemini 3）不等。专家评审发现各模型在干扰项质量与事实准确性上存在显著差异，需人工审核方可用于教学。
视网膜血管AI量化分析预测心血管风险
研究团队利用AI工具AutoMorph，从8467名40-70岁健康受试者的眼底照片中提取12项视网膜血管定量指标，涵盖动脉和静脉的密度、宽度、分形维数及迂曲度等。外部验证使用UK Biobank的16249例影像。结果发现动脉指标与血压、血脂、血糖、BMI及睡眠呼吸暂停参数显著相关，且能预测新发心血管事件。研究首次建立年龄与性别分层的视网膜血管参考值体系。
鸟枪脉络膜视网膜炎宽视野眼底图像数据集发布
研究团队发布了名为Birdshot-Wide的公开眼底影像数据集，包含742只鸟枪脉络膜视网膜炎（BSCR）患眼的5042张宽视野眼底照和742只健康对照眼的1310张图像，所有BSCR图像均经人工质量审核并按主要病变亚型分类，中位随访达4.31年；基于该数据集训练的深度学习模型在区分BSCR与正常眼任务中AUC最高达0.96。