近年来，由于强大算法的出现、指数级医学电子数据的增长和计算机硬件技术的进步，人工智能对全球医疗健康产生了巨大影响。人工智能可以通过提高临床医生的工作流程和生产力、使现有员工能够为更多患者服务、改善患者治疗结果并减少健康水平的差距来提高医疗保健的服务水平。在眼科领域，人工智能的应用前景非常广阔，因为眼部疾病的诊断和治疗监测往往严重依赖于图像识别。目前，大量的研究结果显示，人工智能可以基于不同的眼科影像准确识别多种常见致盲性眼病，例如糖尿病性视网膜病变、白内障、角膜炎等。并且人工智能在这些任务中表现出与经验丰富的眼科医生相当甚至更优的水平。然而，尽管取得了这些相当好的结果，但很少有人工智能系统被部署在真实世界的临床场景中，这一现象对人工智能系统在临床上的真正价值提出了挑战。

        温州医科大学宁波市眼科医院陈蔚教授/李中文博士团队基于在眼科人工智能领域的长期工作，全面回顾近几年全球范围内人工智能在多种眼?。òㄌ悄虿⌒允油げ”?、青光眼、年龄相关性黄斑变性、视神经疾病、角膜炎、白内障、圆锥角膜、眼睑肿瘤等）筛查、诊断、治疗、预后预测方面的研究及人工智能基于眼科影像预测全身系统性疾病的研究，详细阐述了不同类型眼科影像针对的眼病类型及其人工智能在这些影像中当前和未来可能的用，描述了眼科人工智能临床转化的主要挑战，并讨论了可以促进人工智能在真实世界临床中转化的路径（图1）。该长篇综述论文于2023年6月28日以Artificial intelligence in ophthalmology: the path to the real-world clinic 为题在 《Cell》 权威子刊之一的 《Cell Reports Medicine》（中科院一区Top期刊，影响因子16.988分）在线发表。

本论文强调除了构建有效、泛化能力强并且可持续学习的算法模型外，还需要关注与医疗人工智能相关的其他关键因素，包括整体医疗保健策略、标准、医学人工智能应用的隐私?；?、政策与法规、追责制度以及遵守临床和道德准则。尽管目前这个领域还没有完全成熟，但我们希望人工智能未来能够在眼科领域真正发挥重要作用，使眼科医疗保健更加高效、准确和方便，特别是在眼科医疗资源相对匮乏的地区。

本文通讯作者

陈 蔚 二级教授/主任医师/博士研究生导师

哈佛医学院Schepens眼科研究所博士后，温州医科大学附属眼视光医院副院长，宁波市眼科医院院长，博鳌超级医院眼视光眼科中心主任，中华眼科学会专家会员，全国综合防控儿童青少年近视专家宣讲团专家成员，海南省眼科学会副主任委员，中国医师协会眼科学分会眼感染学组副主任委员，中国康复医师学会眼科学分会干眼康复学组副主任委员，国际泪膜和眼表学会TFOS Lifestyle Workshop委员，亚洲干眼学会创始理事，亚太眼科学杂志编委。入选浙江省万人计划科技创新领军人才和卫生高层次人才。在乐城国际医疗旅游先行区开展特许引进波士顿人工角膜、人工虹膜、新一代全飞角膜屈光矫正手术等10多项国内首例手术，带领团队开展CATALYST飞秒白内障手术设备的真实世界研究并获得注册上市。主持国家科技部重点研发计划项目课题1项和国家自然科学基金面上项目4项，以第一和通讯作者在Nature Communication、Cell Reports Medicine、AJO、IOVS等发表SCI文章70余篇，F1000入选一篇，他引次数超2900，H-指数28?；袷谌ㄖ泄⒚髯ɡ?/span>10项，美国、韩国、欧洲、日本发明专利各1项，申请中专利30余项。

本文第一作者

李中文 副主任医师/博士研究生导师/眼科学博士/临床医学博士后

博士毕业于中山大学中山眼科中心（师从林浩添教授），曾前往美国波士顿大学医学院研究学习1年。入选宁波市“甬江引才工程”卫生健康领域创新人才,宁波市拔尖人才。主要研究方向为眼科人工智能诊疗体系的研发及其在真实世界的推广应用研究。近5年以第一作者身份在Nature Communications, NPJ Digital Medicine, Cell Reports Medicine等国际权威SCI期刊上发表论文14篇，其中1区Top期刊7篇，影响因子大于15分的5篇。目前主持国自然科学基金、浙江省自然科学基金、浙江省医药卫生青年创新人才支持计划等多个科研项目。申请（获得）中国发明专利12项、实用新型专利1项，美国和欧洲发明专利各1项，并完成发明专利转化1项。从事眼科临床工作10余年，擅长白内障、眼外伤、眼底病等眼病的诊治，尤其擅长白内障超声乳化手术与飞秒激光白内障手术。

 陈蔚教授团队近3年在眼科人工智能领域发表的原创性研究论文一览表:

1、Li, Z., Jiang, J., Chen, K., Chen, Q., Zheng, Q., Liu, X., Weng, H., Wu, S. and Chen, W. (2021). Preventing corneal blindness caused by keratitis using artificial intelligence. Nat. Commun. 12, 3738.

2、Li, Z., Qiang, W., Chen, H., Pei, M., Yu, X., Wang, L., Li, Z., Xie, W., Wu, X. and Jiang, J., et al. (2022). Artificial intelligence to detect malignant eyelid tumors from photographic images. Npj Digit. Med. 5, 23.

3、Li, Z., Jiang, J., Qiang, W., Guo, L., Liu, X., Weng, H., Wu, S., Zheng, Q. and Chen, W. (2021). Comparison of deep learning systems and cornea specialists in detecting corneal diseases from low-quality images. Iscience 24, 103317.

4、Li, Z., Jiang, J., Chen, K., Zheng, Q., Liu, X., Weng, H., Wu, S. and Chen, W. (2021). Development of a deep learning-based image quality control system to detect and filter out ineligible slit-lamp images: A multicenter study. Comput. Methods. Programs. Biomed. 203, 106048.

5、Li, Z., Jiang, J., Zhou, H., Zheng, Q., Liu, X., Chen, K., Weng, H. and Chen, W. (2021). Development of a deep learning-based image eligibility verification system for detecting and filtering out ineligible fundus images: A multicentre study. Int. J. Med. Inform. 147, 104363.

6、Zheng, Q., Wang, L., Wen, H., Ren, Y., Huang, S., Bai, F., Li, N., Craig, J.P., Tong, L. and Chen, W. (2022). Impact of Incomplete Blinking Analyzed Using a Deep Learning Model with the Keratograph 5M in Dry Eye Disease. Transl. Vis. Sci. Technol. 11, 38.

7、Wang, L., Chen, K., Wen, H., Zheng, Q., Chen, Y., Pu, J. and Chen, W. (2021). Feasibility assessment of infectious keratitis depicted on slit-lamp and smartphone photographs using deep learning. Int. J. Med. Inform. 155, 104583.