眼病筛查缺口巨大，AI辅助诊断意义重大

李锡荣教授指出，视网膜是全身唯一可活体观察血管和神经的部位，眼底彩照与OCT成像是眼病筛查的重要手段。然而，我国眼底专业医生仅约4000至5000人，纯人工筛查率仅约3%，远无法满足糖尿病视网膜病变、高度近视、青光眼等高危人群的普筛需求。他估算，若借助AI辅助阅片，筛查率有望提升至80%，真正实现致盲性眼病的早发现、早治疗。

直面技术挑战，提出多项算法创新

李锡荣教授表示，构建临床可用的AI阅片系统需解决标注样本稀缺、专家知识融合、预测可解释性、跨设备适应性等核心挑战。围绕这些问题，团队提出了一系列解决方案：设计双分支网络结合半监督学习，缓解标注样本稀缺；遵循专家阅片模式，设计多损失、多任务网络，首次实现全分级眼底病灶分割；针对OCT与眼底彩照模态不平衡问题，提出轻量级多模态网络，并在今年进一步引入“早期干预”机制，使模型响应更集中于病灶区域。

大模型评测揭示短板，临床应用仍需探索

报告最后，李锡荣教授介绍了团队在多模态大模型眼科阅片能力评测方面的最新工作。团队将评测任务分为模态感知、解剖结构感知、病灶分析、辅助诊断四个层级，对多个开源模型进行系统评测。结果显示，当前大模型在病灶分析和左右眼识别等基础任务上仍存在明显短板，距实际临床应用仍有距离。

李锡荣教授介绍，团队与北京致远慧图公司合作研发的眼病辅助诊断系统已实现大规模落地应用。他表示，AI阅片虽已取得阶段性成果，但大模型在眼科诊断中的应用仍需产学研各方共同努力。在互动环节，李锡荣教授就轻量级模型与大模型的关系、多模态大模型部署挑战等问题与在线听众进行了交流。

本次云讲座系统展示了多模态AI在眼科智能诊断领域的技术突破、现存问题与应用成果，清晰梳理了行业发展现状与未来趋势，为智能医疗领域的科研工作者提供了宝贵的研究参考，有效促进了人工智能与医学交叉领域的学术交流与技术创新。