AI眼病诊断落地的关键四要素

真正撬动眼科AI从实验室走向诊室的，从来不是算法精度的微小提升，而是对临床决策链路的彻底重写——当LumineticsCore®把‘是否转诊’这个原本由医生拍板的动作压缩成一台设备自动输出的二元结果，它实际上在重构基层筛查的信任结构：患者不再需要理解‘中度非增殖期’这类术语，社区护士也不再纠结于是否该叫眼科会诊，整个路径被压扁为‘拍片—等结果—分流’三步。这种去专业化操作正在倒逼国内厂商放弃堆算力的老路，转向更吃力但更难复制的临床场景闭环设计。

当前竞争格局正悄然失衡，美国已有3款眼科AI产品获FDA De Novo路径批准，而中国NMPA迄今仅批准1款同类产品，且全部集中于糖网单一适应症；更关键的是，海外头部玩家已开始将模型训练数据源从单中心影像拓展至跨种族、多设备、多年龄段的真实世界队列，而国内多数管线仍困在三甲医院脱敏数据的窄带验证中。护城河正从‘有没有AI’滑向‘能不能在村卫生所稳定跑通’。

值得盯紧的沙盘信号藏在细节里：Digital Diagnostics近期未公开披露其LumineticsCore®在亚洲人群中的敏感度数据，也未提及是否启动中国注册路径；与此同时，国内两家已提交NMPA审批的竞品系统，其临床试验终点均回避了‘替代医生判读’这一高阶目标，转而采用‘辅助检测’定位——这暗示着监管尺度与临床接受度之间尚未形成共振点，下一轮真正的格局洗牌，或将始于某家机构率先完成中美双报并实现在县域医共体的规模化装机。