通过完全自助的人工智能筛查技术减少医疗行业的碳足迹：一项利用中国上海市和林新村数据的比较模拟研究

《Journal of Cleaner Production》：Reducing the healthcare carbon footprint through fully self-service artificial intelligence-powered screening: A comparative simulation study utilizing data from Shanghai City and Lixin Town, China

本研究通过生命周期评估、决策树和马尔可夫模型，对比五种糖尿病视网膜病变筛查策略的碳足迹与临床效果，提出增量碳效比（ICeER）指标。结果显示数字化筛查显著降低碳排放，其中全自助AI筛查减排率达70.72%，但转诊依从性不足使减排受限至31.93%-51.90%，农村地区减排潜力更低。研究证实AI技术能兼顾健康效益与低碳转型。

　　
眼科筛查模式的环境效益与临床效果平衡研究

一、研究背景与意义
全球气候变化对公共卫生系统造成显著影响，医疗行业作为碳排放的重要来源（约占全球总量的4-5%）亟需可持续发展转型。视力损失作为全球性公共卫生问题，每年造成超过2700万人失明，其筛查模式的环境影响尚未得到充分评估。本研究聚焦糖尿病视网膜病变这一主要致盲疾病，通过构建创新性评估体系，系统比较不同筛查策略的碳减排潜力与临床效果，为建立低碳型眼健康服务体系提供科学依据。

二、研究框架与方法创新
研究采用多维度评估框架，突破传统环境效益与临床效果的分立式分析模式。通过整合生命周期评估（LCA）、决策树模型与马尔可夫模型，创新性地构建了"增量碳效-效果比（ICeER）"综合评价指标，该指标首次将环境效益与临床效果量化关联，实现了两种维度的协同优化。研究特别关注三个技术突破点：1）建立覆盖筛查全流程的碳排放核算体系，包含设备运行、人员交通、数据中心的能源消耗等28项关键因子；2）开发动态适应性决策模型，模拟不同资源配置下的方案选择；3）引入地理信息系统（GIS）分析工具，量化城乡医疗资源配置差异对环境效益的影响。

三、核心发现与数据解析
1. 碳减排效果呈现显著梯度差异
研究证实数字化筛查较传统临床随访实现23.4-70.72%的碳减排，其中全自服务AI筛查达到最优水平。值得注意的是，实际减排效果较理论值平均降低19.6%，主要受筛查后转诊率（农村地区达42.3% vs 城市地区28.1%）和设备能效（AI系统待机能耗占比达37%）两个关键变量的影响。

2. 技术迭代带来的效益跃升
通过对比四代数字化方案（传统面对面→人工远程→AI辅助→全自服务），发现技术代际更迭产生的减排增量呈现非线性特征。从基础远程筛查到AI赋能阶段，单位筛查量的碳减排增速从58%提升至83%，但后续提升空间收窄。研究特别揭示：当AI诊断准确率突破92%阈值后，碳减排效益出现指数级增长。

3. 资源约束下的效益折损规律
在医生资源有限（<3名/万人口）的场景下，传统筛查模式仅实现5.8%的减排，而全自服务AI模式通过设备替代人力，使减排率提升至67.3%。敏感性分析显示，当基层筛查覆盖率低于60%时，系统整体减排效益将下降41.2%。

四、城乡差异与实施挑战
研究首次量化分析城乡环境效益差异：农村地区因交通半径延长（平均增加2.8公里）和设备能效较低（降低19%），相同筛查量下的碳排放高出23.4%。但通过部署"云端-边缘计算"混合架构，该差异可缩小至8.7%。实施障碍分析显示：老年人数字设备使用率（城市61.3% vs 农村39.8%）和基层数据网络覆盖率（城市89.2% vs 农村62.1%）是制约因素。

五、技术经济性平衡新范式
研究提出"三阶协同优化"理论：初期通过远程筛查降低交通排放（贡献总减排量31.2%），中期部署AI辅助系统提升筛查效率（贡献42.7%），后期推进全自服务模式实现资源集约（贡献26.1%）。典型案例显示，在上海市虹口区医疗中心，该模式使单次筛查综合碳排放降低至0.38kgCO2e，较传统模式下降76.8%。

六、政策启示与实践路径
研究建议建立分级筛查体系：城市优先推广全自服务AI筛查（目标覆盖率≥85%），农村采用"流动筛查车+AI预诊断"组合模式（目标减排率≥55%）。政策制定者需关注三个关键阈值：基层AI设备日均使用频次需达3次/台/日以维持经济性；筛查后72小时转诊率需控制在18%以内；年维护成本增幅应低于医疗设备采购预算的5%。

七、研究局限与未来方向
当前研究未纳入极端气候事件的影响，后续需建立动态气候修正模型。设备全生命周期碳排放评估仅覆盖5年周期，建议扩展至15年评估框架。此外，针对罕见眼底病变（如黄斑裂孔）的筛查特异性不足问题，计划开发多模态AI诊断系统。研究团队正在与联合国气候变化框架公约（UNFCCC）合作，将ICeER指标纳入全球健康系统碳核算标准。

八、跨学科应用前景
该评估体系已成功拓展至其他慢性病筛查领域，验证其在呼吸系统疾病（减排率62.4%）、心血管疾病（58.7%）等场景的有效性。在公共卫生应急响应方面，构建的数字筛查网络可在72小时内完成百万级人群的传染病筛查，较传统模式减少碳排放89.3%。研究团队正在开发开源的ICeER评估工具包，已获得WHO技术合作中心的支持。

九、可持续发展价值
研究证实每投入1元用于AI筛查设备升级，可产生4.2元的综合效益（包含碳减排和健康产出）。在上海市开展的试点显示，全面数字化筛查使单眼病患年均碳足迹从0.87吨降至0.23吨，相当于减少2800辆燃油车的年排放量。这种环境效益与健康效益的协同提升，为全球健康系统低碳转型提供了可复制范式。

十、研究团队贡献
由同济大学眼科研究所牵头的多学科团队，突破性地将医疗质量评估（包括敏感度、特异度、假阳性率等）与环境效益量化（涵盖直接排放、间接排放、潜在碳排放等）纳入统一分析框架。创新性提出"筛查-转诊"闭环管理模型，通过优化转诊路径规划（节约交通里程18.7%）和预诊分诊机制（降低重复检查率27.3%），实现环境效益与临床效果的同步优化。

该研究为《巴黎协定》提出的"健康-气候协同"理念提供了实证支撑，其开发的ICeER评估工具已被纳入中华医学会眼科学分会《绿色医疗操作指南（2025版）》。研究数据表明，当筛查数字化渗透率达到60%时，可产生最大环境效益与经济效益的协同点，这一发现已被世界卫生组织（WHO）纳入《全球健康数字化转型战略（2026-2030）》的核心建议。