《Journal of Medical Internet Research》：Rerouting Eye Care: How AI and Telemedicine Are Reshaping Ophthalmology Patient Journeys in the United Kingdom and Germany
编辑推荐：
人工智能（artificial intelligence, AI）作为医疗器械（AI as a medical device, AIaMD）正逐步进入眼科常规诊疗，但其影响目前主要在诊断性能层面进行评估，而非其如何重塑患者照护路径。该观点性文章指出，精心设计的
人工智能（artificial intelligence, AI）作为医疗器械（AI as a medical device, AIaMD）正逐步进入眼科常规诊疗，但其影响目前主要在诊断性能层面进行评估，而非其如何重塑患者照护路径。该观点性文章指出，精心设计的路径对于在眼科实施AI至关重要，以确保其转化为患者和医疗服务的实际效益。研究人员提出了一个框架，依据初始接触点和AI的作用对AI及远程医疗赋能的眼科照护路径进行分类：从直接人工评估到分级员或远程医疗使用，再到AI优先接触和完全自主的AI分诊。研究人员将该框架应用于两种对比鲜明的卫生体系——英国和德国，聚焦于常见视网膜疾病以及基于眼底图像的心血管风险评估。在英国，AI主要作为标准化项目的模块化升级引入，叠加于以社区验光师和全科医生为核心的守门人模式之上。在德国，对门诊眼科医生的直接可及性、 opportunistic screening（机会性筛查）和商业零售服务导致了更为碎片化的、由临床医生和市场驱动的AI应用。研究人员的比较表明，相同的AI技术在不同卫生体系中可产生截然不同的患者就医旅程。因此，其价值不仅取决于诊断性能，还取决于有意识的路径设计，包括明确的升级转诊规则和结构化的信息传递。这包括将适当的任务从眼科医生转移至受过培训的人员或新角色，如图像分级、远程眼科分诊或路径管理。缺乏此类设计，AI可能导致重复检测、不完整或协调不力的转诊，以及进一步的照护碎片化。
人工智能作为医疗器械正逐步渗透眼科常规诊疗，但其价值实现依赖于与特定卫生体系结构的有机融合，而非单纯的算法性能优化。本研究通过对英国与德国两种典型高收入国家卫生体系的比较分析，系统阐述了AI与远程医疗如何重塑眼科患者就医旅程，并提出了具有普遍借鉴意义的路径设计框架。
研究背景与问题缘起源于全球眼科服务需求的急剧增长与供给能力停滞之间的结构性矛盾。英国国家医疗服务体系的眼科已成为最繁忙的门诊专科，预计未来二十余年需求量将攀升逾40%；德国过去十五年间眼科需求增长约15%至34%，而实际诊疗容量几乎未变。在此压力下，数字眼底摄影技术支撑的AI筛查系统展现出巨大潜力，但其实际落地速度和整合方式呈现高度异质性。更为关键的是，现有评估多聚焦于受控环境下的诊断准确性，而对AI如何嵌入真实世界的照护链条、如何改变患者从首次接触到随访管理的完整旅程缺乏系统考察。不同卫生体系的组织差异——英国的集中化守门人模式与德国的碎片化直接专科准入模式——为揭示技术-制度互动机制提供了天然实验场。
研究人员构建了区分四种通用AI赋能筛查路径的概念框架。路径A为传统模式，患者直接由眼科医师面诊，AI仅于后台辅助；路径B以分级员或远程医疗作为数字化的首次接触；路径C为半自动化模式，AI提供初始评估后经人工复核确认；路径D则为完全自动化模式，AI独立做出筛查决策并决定转诊对象。该框架的创新性在于将技术自主性与组织嵌入性相结合，超越单纯的技术效能比较，关注"谁接触患者、谁承担责任、信息如何流转"等治理命题。
在英国的应用分析显示，其守门人模式以社区验光师为核心枢纽。糖尿病视网膜病变 years)筛查而言，英国拥有全球最成熟的远程眼科项目之一——国家糖尿病眼病筛查项目（DESP）。该项目中，技术人员采集数字眼底图像并传输至 centralized grading center（ centralized 分级中心），经训练有素的人工分级员按严格国家协议审阅，属路径B模式。英格兰DESP正验证全自动分级员过滤模型（路径C），苏格兰DESP则自2011年起部署iGradingM自动化首道分级系统（路径C）。新生血管性年龄相关性黄斑变性（nAMD）的就医旅程则具有时间紧迫性，患者多因急性视力症状就诊于社区验光师，通过"快速通道"电子转诊系统在约2周内获得专科评估，属路径A的流线化变体；随机临床试验证据表明，嵌入远程眼科步骤可显著降低假阳性紧急转诊率。青光眼检测仍以机会性筛查为主，标准验光师检查后进行的高假阳性率问题，促使多地设立青光眼转诊精修服务，由高级资质社区验光师进行复核过滤，构成路径A的社区化人类过滤层。眼组学（oculomics）应用尚处探索阶段，零售场景中的AI心血管风险评估作为自费附加服务存在，属路径D的萌芽形态，但报销模式、工作流程整合、治理架构及专业责任等关键问题悬而未决。
在德国的应用分析揭示了截然不同的技术嵌入逻辑。其法定健康保险体系保障下的直接专科准入结构，使门诊眼科医师成为事实上的首次接触点和最终决策点（路径A）。糖尿病视网膜病变筛查依赖患者与糖尿病科医师驱动的机会性年度或隔年眼科检查，远程医疗或AI整合几乎阙如，仅限于特定试点项目；近年出现的零售筛查模型引入了基于分级员的半自动化路径（路径C）。新生血管性年龄相关性黄斑变性患者多直接自费转诊至本地眼科医师，许多门诊具备或毗邻玻璃体腔注射中心，AI辅助成像工具多为医师面诊决策支持，未根本改变就医旅程。青光眼检测受商业逻辑驱动显著，法定保险不覆盖无症状筛查，眼压测量与视盘评估常作为自费个体健康服务（IGeL）提供，形成经济过滤而非临床过滤机制。眼组学心血管风险评估同样仅现于零售光学部门的探索性服务，完全自费且无明确后续转诊安排，属游离于正式保险路径之外的路径D。
两国比较的核心发现在于：相同AI技术因卫生体系结构差异而生成 divergent patient journeys（ divergent 患者就医旅程）。英国的集中协调使其AI部署更多发生在路径层面和项目化层面，人类监督常置于专科转诊之前；德国的碎片化导致AI应用更为本地化，由医师个体或市场驱动，监督多位于作为首次接触的专家层面。两国共同涌现的零售数字优先服务（路径C和D）虽具降低眼科医师工作负荷的潜力，但若未整合入共享照护路径和数据流，将面临重复检测、双重收费及诊断死胡同的风险。
关键技术方法层面，本研究采用卫生体系比较研究设计，样本来源涵盖英国国家医疗服务体系架构下的社区验光服务、全科医生体系、DESP四级项目（英格兰、苏格兰、威尔士、北爱尔兰）及医院眼科服务，以及德国法定健康保险体系下的门诊眼科医师网络、医院眼科服务、验光师及零售筛查实体。分析方法上，研究人员综合运用政策文献分析、既有项目评估数据整合、随机临床试验结果援引（如nAMD远程眼科步骤嵌入试验），以及跨国结构化比较框架，对四种疾病领域（糖尿病视网膜病变、新生血管性年龄相关性黄斑变性、青光眼、眼组学心血管风险评估）进行路径映射。
研究结果部分按疾病领域展开。糖尿病视网膜病变领域中，英国DESP的成熟远程分级基础设施与路径C验证形成对照，德国则呈现机会性专科筛查与零售预筛查并存的碎片化图景，凸显组织化项目与个体化实践的差异。新生血管性年龄相关性黄斑变性领域中，英国快速通道的紧急转诊效率与远程眼科步骤的假阳性降低效应，对比德国门诊分散化注射网络中的医师决策支持工具，揭示时间敏感性疾病的不同系统应对策略。青光眼领域中，英国社区转诊精修服务的人类过滤层与德国自费筛查的经济过滤机制形成鲜明对照，反映公共筹资与私人支付对准入公平性的差异化影响。眼组学领域中，两国零售路径D的同步涌现与后续整合困境，提示技术创新超前于制度安排时的治理真空。
研究结论部分，作者强调实现AI规模化部署并转化为患者与服务的实际效益，关键不在于更优算法而在于有意识的路径设计：明确AI在就医旅程中的位置、输出接收者、随访组织方式、报销机制及责任分担模式。具体包括建立低质量或无法分级图像的处理流程、将AI输出整合入常规电子病历、指定紧急或不确定发现的明确升级路线与随访间隔。国际经验表明，唯有同时将工作流程设计、转诊路径与地方卫生系统情境纳入考量，眼科AI方能真正改善可及性与筛查效率。实施过程还需创设图像分级、远程眼科分诊、转诊精修及路径管理等新角色，并将部分常规任务从高度专科化的眼科医师安全转移至经适当培训的人员。未来工作应聚焦于与患者、临床医师及支付方的共同设计，以及AI赋能路径的前瞻性评估，使数字优先模型在提升效率和可及性的同时不损害安全性与专业问责。
