《Ophthalmology and Therapy》：The Irreducible Encounter: Human Skills, Artificial Intelligence, and the Future of Ophthalmic Care
编辑推荐：
在全球眼科门诊中，患者每天都会接受改变其未来认知方式的诊断。对于患者而言，这些不仅是临床事件，还可能意味着直面独立性丧失、身份认同动摇，以及其既有视觉世界的改变。临床医生如何处理这些时刻——通过倾听、解释、承认恐惧并给予真诚的安慰——能够深刻影响随后发生的心理
在全球眼科门诊中，患者每天都会接受改变其未来认知方式的诊断。对于患者而言，这些不仅是临床事件，还可能意味着直面独立性丧失、身份认同动摇，以及其既有视觉世界的改变。临床医生如何处理这些时刻——通过倾听、解释、承认恐惧并给予真诚的安慰——能够深刻影响随后发生的心理适应、治疗参与度，以及最终的患者结局[1]。这种临床相遇所承载的情绪负荷并不会在诊断后消失。慢性眼病患者中，焦虑与抑郁的患病率很高。近期一项针对不可逆性视力丧失患者的Meta分析（荟萃分析）报告显示，这两种状况的发生率均较高，并指出当前亟需更具整体性的照护模式[2]。尽管如此，关于眼科照护中情绪与人际维度的讨论和研究仍明显投入不足，而该领域的关注力则更多——且在某种程度上可以理解地——被药物学与技术进步所吸引，例如人工智能（AI）。
当然，AI在诊断、筛查、分级和预后评估等各领域取得的成就是极其显著的[3, 4]。实际上，问题已不再是AI是否能够复制临床判断，而是在人类临床相遇中，是否存在某些内容本质上不可还原，并应当避免被算法性分解。这与其说是在讨论AI能够替代什么，不如说是在讨论哪些内容不应被替代。
对这一问题的一种回应，可以结合研究人员近期发表于本刊的文章加以理解；该文提出了“视觉诊断后痛苦”（Post-Visual Diagnosis Distress，PVDD）这一描述性框架，用于界定与早期诊断相关的情绪反应[5]。PVDD并非精神科诊断，而是一种基于年龄相关性黄斑变性、青光眼及其他慢性眼病证据所构建的概念框架，并吸收了眼科学、精神病学、心理咨询、患者倡导和公共卫生等领域的观点。该框架有助于赋予患者体验正当性，为共情性对话创造空间，并在痛苦程度跨越至需要更系统支持的阶段时实现及时识别。其提出反映出一个更广泛的主张：眼科照护中的情绪维度应获得与影像学和算法创新同等程度的严谨关注与资源投入。
PVDD表明，在临床实践中，有些内容应当抵抗自动化，并非因为机器缺乏能力，而是因为人类相遇在这些方面更为适切。识别并处理患者痛苦的复杂性，就是这样一种最适合由经过校准、具有关系性的人的理解来完成的过程。
这种人类能力的关键优势，在于处理塑造临床相遇的心理因素。例如，操作性焦虑在玻璃体内治疗中可能是一个重要问题。Ziemssen及其同事近期针对这一情境提出了一个结构化、循证的框架，强调倾听技巧、避免灾难化语言，以及根据个体需求与焦虑程度调整解释方式[6]。
在AI时代，另一项本质上属于人类的技能，是将AI的概率性输出转化为对患者有意义、诚实且能回应个体价值观的语言[7]。当某一算法估计活动性新生血管膜的概率为80%时，临床医生应如何将这一结果与自身判断相结合，并传达给一位既往经历过不良事件、且仅在绝对必要时才希望接受治疗的焦虑患者？临床医生在此承担着不可替代的解释者角色：将统计学上的抽象结果转化为患者真正需要理解、以便作出决定的语言。在相反情境下，即当AI输出提示疾病处于非活动状态的概率为80%时，同样存在这种解释责任[8]。
这种人与AI互动的心理学机制值得进一步研究。McNamara及其同事表明，AI输出特征——包括核心预测的呈现形式，以及可解释性的存在与类型——在已投入临床应用的设备间存在显著差异，这使临床医生承担了相当大的解释负担[7]；这一发现也与相关证据一致，即经验较少的临床医生尤其容易出现过度依赖AI的情况[9]。这些并不仅仅是需要技术性解决方案的技术问题，它们同样是需要培训与批判性思维的人类问题，即在何时应信任机器、何时应信任自身判断。
AI在眼科学中的快速整合应当被积极接纳，但这种转型应当使人类技能更加凸显，而非被削弱。当前大量AI研究瞄准的是临床医生层面的决策工作，例如疾病检测、严重程度分级和进展预测[4]。这些无疑是重要成就，但它们仅覆盖了临床工作的一个子集。相比之下，占据临床日程大量时间的行政事务与文书记录负担，尚未被AI创新充分关注。其潜在风险在于：如果AI的发展主要聚焦于复制诊断判断，而非从行政负担中解放临床医生，那么临床医生用于建立人际连接的时间可能不是增加，而是减少。
当文书记录占据临床相遇时，临床医生会经历Dean及其同事所称的“道德损伤”（moral injury），即由于长期被系统性阻碍，无法提供其投身医学时所期望实施的照护，而不断累积的痛苦[10]。如果AI得到明智引导，其理想目标就不应只是效率提升，而应是重新为专注倾听、细致沟通以及识别痛苦留出时间与空间——这些正是最适合由人类智能完成的临床相遇内容。
因此，在未来AI世界中，围绕眼科照护人文维度建立持续性的研究计划是必要的，其雄心应与新型算法开发相当。这应包括：开发并验证与诊断相关心理痛苦的筛查工具；构建并评估适配眼科独特临床情境的解释与沟通培训框架；研究临床医生沟通质量如何影响治疗依从性；以及探讨AI所释放出的时间应如何最好地重新投入以患者为中心的照护[5, 6]。
同时，培训项目、学术会议和期刊内部也需要一种文化转向，即应认识到，人类临床相遇并非循证医学之外带有感伤色彩的附属品，而其本身就是一种循证干预，对患者真正关心的结局具有可测量的影响[1]。如果眼科学能够践行这一双重议程——一方面利用AI解放临床医生，另一方面以同等雄心投入对人类互动的理解与提升——那么它不仅有机会保留临床医生的角色，更有机会提升这一角色的价值。
未来的临床医生不应仅仅是算法输出的传递者，而应成为更善于关注、更擅长沟通、更值得信赖且更富同情心的实践者，其在场本身就体现了优质照护的真正含义。
该文发表于《Ophthalmology and Therapy》，是一篇围绕眼科医疗未来形态展开的观点性论文，核心关切在于：随着人工智能（artificial intelligence，AI）迅速进入眼科学临床实践，哪些诊疗环节可以被算法强化，哪些则应被明确保留为不可还原的人类临床相遇。文章首先从眼科诊断的特殊性切入，指出眼病诊断，尤其是慢性、不可逆性视力损害相关诊断，并不只是生物医学意义上的事件，还常常意味着患者对独立生活能力、社会角色、身份认同和未来视觉经验的重新评估。正因如此，眼科临床中的沟通、解释、情绪承接与支持，并非附属性工作，而是影响患者心理适应、治疗参与和长期结局的重要组成部分。文章同时指出，目前眼科学界对于这一人文与情绪维度的研究和资源投入，远逊于对药物、影像与算法创新的重视，这种失衡构成了开展本研究讨论的直接背景。
在问题意识层面，研究人员强调，慢性眼病患者中焦虑和抑郁具有较高患病率，而不可逆性视力丧失患者的Meta分析（荟萃分析）进一步提示，整体性照护（holistic care）的需求十分迫切。尽管如此，眼科学当前的学术想象力更多集中于AI在诊断、筛查、分级和预后判断中的能力提升。基于这一现实，文章提出的关键问题已不再是“AI能否复制临床判断”，而是“在人类临床相遇中，是否存在不应被算法分解与替代的部分”。这一提问实际上将讨论重心从技术可行性转向规范性边界，即并非讨论AI可以取代什么，而是讨论某些本质上依赖关系性理解、价值判断与情境化沟通的环节为何不应被取代。
为回应这一问题，研究人员引入其此前提出的“视觉诊断后痛苦”（Post-Visual Diagnosis Distress，PVDD）框架。文中明确指出，PVDD不是精神科诊断，而是一种用于描述视觉相关诊断之后早期情绪反应的概念性、描述性框架。该框架建立在年龄相关性黄斑变性、青光眼和其他慢性眼病的既有证据基础之上，并融合眼科学、精神病学、咨询、患者倡导与公共卫生等多学科视角。文章借PVDD说明，患者在接受眼科诊断后所表现出的痛苦体验需要被命名、识别和正当化，从而为共情性对话与及时支持创造空间。这一论述的深层含义在于，临床实践中的某些关键过程之所以应当抵抗自动化，并非因为机器不能完成，而是因为人在识别和承接复杂痛苦体验方面更为适切。
**方法概括**
本文为基于既有文献与概念框架的学术评论文章，主要方法包括：其一，综合既往关于不可逆性视力丧失、慢性眼病患者焦虑抑郁负担的研究证据与Meta分析（荟萃分析）结果；其二，结合作者此前提出的PVDD概念框架，对眼科诊断后早期心理痛苦进行理论化讨论；其三，援引眼科AI临床部署、可解释性（explainability）以及临床沟通研究，对AI时代临床解释责任和人类技能边界进行分析。本文未报告新的实验、试剂操作或样本队列研究，而是基于已发表文献展开规范性与实践性论证。
在研究展开过程中，文章首先论证了“情绪承接”是眼科医疗中的核心人类能力。研究人员指出，患者接受眼科诊断时所经历的并不仅是疾病信息输入，更是伴随恐惧、不确定性和身份威胁的复杂心理事件。因此，临床医生通过倾听、解释、承认患者恐惧并给予真实而审慎的安慰，能够直接影响患者随后的心理调适和治疗参与。这一论点将临床沟通从传统意义上的附属技能，提升为具有结局影响力的干预因素。
**PVDD illustrates that in clinical practice some things should resist automation**
围绕这一部分，文章通过PVDD框架得出结论：眼科临床中对诊断后痛苦的识别与管理，是应当保留在人类临床相遇中的核心环节。研究人员认为，PVDD的价值不在于增加一个新的精神科分类，而在于帮助临床人员看见并命名患者在视觉相关诊断后的早期情绪反应，使这类体验获得临床承认，并促成更及时的支持。由此，文章明确提出，有些流程不宜自动化，并非技术能力不足，而是因为这类工作要求具有关系性的、经过情境校准的人类理解。
**This key strength of human capability lies in the management of the psychological factors that shape clinical encounters**
在这一部分中，文章进一步指出，人类技能的优势集中体现于对塑造临床相遇的心理因素的处理。研究人员以玻璃体内治疗中的操作性焦虑为例，说明患者在接受治疗前后的情绪状态会显著影响其体验与配合程度。文中援引Ziemssen等人的循证框架，表明有效做法包括积极倾听、避免灾难化措辞，以及根据患者个体需求和焦虑特征调整解释方式。通过这一论证，文章得出的结论是：即使在高度标准化的治疗流程中，沟通依然不是可有可无的补充，而是影响照护质量的重要实践能力。
**A further inherently human skill required in the age of AI is in translating AI probabilistic outputs into language that is meaningful, honest, and responsive to individual values**
在这一部分中，文章聚焦AI时代临床医生新的解释责任。研究人员指出，AI通常输出的是概率性判断，而概率本身并不能自动转化为患者可用于决策的意义。例如，当算法提示活动性新生血管膜的概率为80%时，临床医生不仅要整合这一输出与自身临床判断，还必须考虑患者既往不良经历、风险偏好和治疗意愿，将统计学抽象转译为符合个体价值的临床说明。在算法提示疾病非活动概率为80%的相反场景中，同样需要此类解释工作。基于此，文章认为，临床医生并非算法结果的简单传声筒，而是承担着将技术输出转化为患者可理解、可行动信息的关键中介角色。
**The psychology of this human/AI interaction deserves further study**
在这一部分中，文章将讨论推进到人与AI互动的心理学层面。研究人员援引McNamara等人的研究指出，不同已临床部署的AI设备，在核心预测结果的呈现方式以及可解释性的有无和类型上存在显著差异，这使临床医生承担了较大的解释负担。与此同时，已有证据提示，经验较少的临床医生更容易对AI产生过度依赖。文章据此得出结论：AI应用中的关键挑战并不只是模型精度、可解释性设计或界面优化等技术问题，也包括培训不足、批判性判断能力欠缺，以及临床人员在何时信任机器、何时坚持自身专业判断方面的认知问题。因此，AI临床部署必须与人类因素研究同步推进。
**The rapid integration of AI into ophthalmology is something to embrace, but with a transformation that makes these human skills more prominent, not less**
在这一部分中，文章强调，AI进入眼科学应当被积极接纳，但前提是这一过程要强化而不是削弱人类技能。研究人员指出，当下AI研究主要聚焦于疾病检测、严重程度分级和进展预测等“临床决策复制”任务，这些成果虽然重要，却仅覆盖临床工作的一部分。相比之下，真正大量占用临床医生时间的是行政事务与文书负担，而这些方面反而较少成为AI创新重点。文章因此提出警示：如果AI研发路线主要服务于诊断复制，而非减轻文书和流程负担，那么AI未必会增加医患沟通时间，反而可能进一步压缩人类相遇的空间。
**When documentation consumes the clinical encounter**
在这一部分中，文章将文书负担与“道德损伤”（moral injury）联系起来。研究人员援引Dean等人的概念指出，当临床医生因制度性文书压力而无法实施其本欲提供的照护时，会积累起持续性的职业痛苦。由此，文章进一步申明，AI真正理想的应用方向不应止于效率提升，而应致力于释放时间与空间，使临床医生能够重新投入专注倾听、细致沟通和痛苦识别等最适合由人类完成的工作。这一部分的核心结论是，AI的价值应当以是否促进患者中心照护（patient-centered care）来衡量，而非仅以是否复制判断或提高处理速度来评价。
**Thus, a sustained research program into the human dimensions of ophthalmic care in the future AI world is warranted**
在这一部分中，文章转向未来研究议程的建构。研究人员提出，在AI时代，眼科照护中的人文维度需要建立与算法研发同等雄心的持续研究项目。具体方向包括：开发和验证与诊断相关心理痛苦的筛查工具；建立适配眼科特殊临床语境的解释与沟通培训框架；评估临床沟通质量对治疗依从性的影响；以及研究AI所释放出的时间应如何最有效地重新投入患者中心照护。通过这部分讨论，文章将“人类技能”的维护从价值倡议推进为明确的研究计划，强调其应当进入培训、评估与学术生产体系。
**A cultural shift is also required within training programs, conferences, and journals**
在这一部分中，文章提出制度与文化层面的转向需求。研究人员认为，培训项目、学术会议和期刊应共同承认：人类临床相遇并非循证医学的感性附庸，而其本身就是一种具有可测量结局效应的循证干预。该论断的意义在于重新界定“证据”的边界，使沟通质量、情绪识别、关系性照护等内容不再处于技术议程之外。文章认为，若眼科学能够同时推进AI赋能与人文强化这两条路径，临床医生的角色不仅不会被削弱，反而会被重新提升为更具解释力、沟通力、可信赖性和同情性的专业主体。
从整体讨论来看，本文并未否定AI在眼科学中的作用，相反，作者充分承认AI在诊断、筛查、分级和预后评估方面的显著成就。文章真正强调的是，AI革命不应遮蔽眼科医疗中那些同样影响结局、却尚未得到足够研究与投资的人类维度。通过PVDD这一概念框架以及对AI解释责任、心理因素管理、文书负担与道德损伤的分析，文章系统论证了未来眼科医疗不应走向“算法代替临床相遇”，而应走向“算法释放临床相遇”。这种思路对于当前眼科学的学科发展具有重要意义：它促使研究和实践从单纯追求技术性能，转向同时重视患者体验、沟通质量和情绪支持的综合照护模式。
研究结论部分可译为：未来的临床医生不应仅仅成为算法输出的传递者，而应成为更加专注、善于沟通、值得信赖且富有同情心的实践者；其临床在场本身，就体现了优质照护的真正含义。
