眼科医生用自然语言编程： vibe coding技术综述
摘要
本文综述了大语言模型驱动的‘vibe coding’技术在眼科领域的应用潜力。该技术允许非程序员仅通过自然语言描述需求，即可生成含用户认证、数据库集成等功能的完整应用程序。研究指出，它最适合解决眼科亚专科中过于小众、难以吸引商业开发的特定问题，为临床流程优化、科研与教学工具开发提供快速原型路径。
信息来源： PubMed Ophthalmology 发布于 2026年11月1日
要点速览
- vibe coding允许非程序员仅凭自然语言提示生成含用户认证和数据库集成的完整应用程序
- 该技术在眼科适用于解决小众、高度专业化、缺乏商业开发动力的亚专科问题
- 对于低风险、不直接影响临床决策的应用，医生可在某些场景下独立部署vibe-coded工具
本站解读
这项综述说的不是新药或新手术，而是一种让眼科医生自己‘造工具’的新方式：对着AI说‘我要一个能自动归档青光眼随访数据的网页工具’，AI就能写出可运行的代码。靠谱程度取决于用途——它不替代专业软件工程，但对低风险、非决策类工具（比如内部病例整理表、教学演示程序），医生确实在某些环境下能独立部署。关键限制在于，所有生成代码仍需人工验证逻辑与安全性，且摘要明确强调‘不直接参与临床决策’是前提。
这不会立刻改变门诊流程，但会加速医生从‘提需求’到‘有原型’的过程，尤其利好资源有限的中小型科室。短期内难见标准化产品，但未来3–5年可能出现由眼科医生主导、经合规审核的轻量级工具集。国内情况有待确认。
常见问题
眼科医生自己写程序，是不是以后看病更快了？
不是直接加快看病速度，而是帮医生更快做出辅助工具，比如自动生成随访提醒表格或教学动画。这些工具不参与诊断或治疗决策，只提升工作效率。目前这类工具还在探索阶段，尚未进入常规临床使用。如有疑虑可咨询眼科医生。
我能用这个技术自己做视力记录App吗？
理论上可以，vibe coding平台已支持普通人用自然语言创建含登录和数据存储功能的应用。但实际使用需具备基础技术判断力，且涉及健康数据时必须符合隐私与安全规范。该技术不面向患者开放部署，也不推荐非专业人士自行开发医疗相关应用。
延伸阅读
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。
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。