王妍茜，王成虎，張競月，徐曼華，彭正虹，聶 業(yè)，康剛勁

0引言

人工智能(artificial intelligence，AI)最早出現(xiàn)于20世紀50年代，最初定義為“模擬人類心理推理、決策和行為的機器”。近年來AI引起了全球廣泛關注，現(xiàn)已應用于各個領域。隨著5G時代到來、計算能力飛速發(fā)展、存儲容量不斷擴展、醫(yī)療大數(shù)據(jù)資源共享，無疑加速了AI在醫(yī)療實踐和研究中的應用，為臨床診治和保健帶來創(chuàng)新及變革[1]。眼科是AI領域領先專業(yè)之一，AI技術現(xiàn)已運用于眼科診療活動中的疾病篩查、臨床決策、眼健康管理以及眼科教育等方面，但其應用于眼科診療活動中引發(fā)的倫理問題也涵蓋了醫(yī)學教育、研究和實踐相關領域[2]。

1 AI在眼科的發(fā)展現(xiàn)況及其帶來的變革

AI的自我改進能力及圖像識別技術目前已廣泛應用于放射科、皮膚科、眼科、病理、檢驗等醫(yī)學領域[3]。作為可借助圖像進行臨床診療的專業(yè)，眼科已成為AI研究的前沿領域之一。AI在眼科領域的作用不容忽視，其已成為影響行業(yè)發(fā)展的重要的科技技術之一。目前，AI在眼科診療中的應用主要包括：(1)對糖尿病視網(wǎng)膜病變(diabetic retinopathy，DR)、青光眼、年齡相關性黃斑變性(age-related macular degeneration，ARMD)、早產(chǎn)兒視網(wǎng)膜病變(retinopathy of prematurity，ROP)、白內障、角膜病、干眼等多種疾病的輔助篩查、診斷及治療；(2)輔助完成角膜、屈光、白內障等相關手術；(3)幫助實現(xiàn)分級診療、遠程醫(yī)療和改良眼科人才培養(yǎng)模式等[4]。

1.1改變常規(guī)診治模式AI近年來成為研究熱點，其深度學習模式已被廣泛應用于圖像識別、語音識別和自然語言處理。AI是臨床診療和醫(yī)療保健最新且最有潛力的倡導者，圖像識別及分析是其最強能力之一。研究表明，AI的深度學習在眼科疾病早期篩查和診斷方面取得顯著成效，且具有篩查準確性高、一致性好、可擴展性好等優(yōu)點[5-7]，目前主要應用于DR、ARMD、ROP、青光眼、白內障、干眼、角膜病等。

1.1.1AI在DR中的應用糖尿病是全球的健康負擔，其嚴重影響社會公共衛(wèi)生系統(tǒng)。目前1型和2型糖尿病患者患DR的概率分別為34.6%和7%，預計到2040年將有6億人患糖尿病，其中1/3并發(fā)DR。因此，臨床迫切需要創(chuàng)新的、變革性的新型醫(yī)療模式。AI是目前應用于DR診治最先進、最有效的技術，其遠程眼底閱片能力可提高糖尿病患者眼底篩查、疾病分級、幫助眼科醫(yī)務人員協(xié)作提供醫(yī)護指導，及時對DR患者采取干預措施從而進行管理，降低人力物力成本。另有研究表明AI可檢測新微動脈瘤形成和舊微動脈瘤消失的速率，稱為“微動脈瘤周轉率”，這可能成為未來研究糖尿病黃斑病變和DR惡化的標志[8]。上述均是AI用于DR日益成熟的重要里程碑。面對目前局勢，應積極應用AI及時對糖尿病患者眼底進行篩查、診斷及追蹤，在AI輔助下及時轉診和治療，這也是目前歐洲普遍接受的預防失明的策略之一[9]。

1.1.2AI在ARMD中的應用ARMD是一種慢性視網(wǎng)膜退行性疾病，是老年人視力損害最常見的原因。美國眼科學會建議中度ARMD患者至少應每2a就診一次。據(jù)預測到2040年，將有2.88億ARMD患者，其中約10%患中度或更嚴重的黃斑疾病。因此，隨著人口的老齡化，臨床迫切需要健全的AI醫(yī)療系統(tǒng)用以篩查這些患者及這類疾病，以便進一步追蹤隨訪、評估治療效果。Ting等[5]研究表明，基于多中心眼底圖像的深度學習系統(tǒng)檢測ARMD的靈敏度高達93.2%，這無疑是ARMD患者及醫(yī)護人員的福音，具有深度學習功能的AI與云數(shù)據(jù)儲存功能的結合成為滿足醫(yī)生和患者迫切需要的不二選擇。

1.1.3AI在青光眼中的應用青光眼損害視神經(jīng)將導致不可逆盲，但可以通過早期診斷和合理治療延緩病情進展。目前，AI已應用于臨床青光眼疾病的篩查和治療。據(jù)統(tǒng)計全球40～80歲人群中青光眼患病率為3.4%，到2040年預計全世界將有約1.12億青光眼患者。Aloudat等[10]提出了一種完全自動化的基于機器學習方法，從眼睛正面圖像中提取瞳孔/虹膜比、鞏膜充血程度、鞏膜輪廓等6個特征進行研究從而識別高眼壓的存在，其診斷精確度高達95.5%。在視覺缺陷分析方面，Wang等[11]提出了一種無人監(jiān)督AI方法，基于空間模式分析的原型方法監(jiān)測視野進展，與現(xiàn)有的方法相比，該方法不僅提供了視野進展狀態(tài)，而且量化了進展模式，準確性和一致性方面優(yōu)于臨床醫(yī)生。上述研究為青光眼的診斷、監(jiān)測及隨訪提供了新的方法。

1.1.4AI在ROP中的應用ROP是全世界兒童失明的主要原因。研究表明通過早產(chǎn)兒眼底篩查或使用數(shù)字眼底攝影技術進行遠程醫(yī)療評估，可技術識別嚴重ROP的最早跡象，并通過及時治療、及時轉診等措施防止多數(shù)ROP導致的失明[12]。越來越多的研究表明使用眼底攝影記錄ROP病情，借助遠程醫(yī)療及計算機圖像分析在ROP診治中具有重要作用。與人類相比，AI的優(yōu)勢在于不容易疲勞、不易受其他可能影響ROP嚴重程度評估偏差的影響。

1.1.5AI在白內障中的應用基于深度學習算法，AI已被應用于不同類型的白內障篩選、自動診斷和分級。Xu等[13]于2008/2009年進行的一項名為“北京眼科公共衛(wèi)生保健項目”對北京周邊農村地區(qū)55～85歲老年患者進行篩查，通過建立系統(tǒng)方案，納入遠程醫(yī)療系統(tǒng)，將50多萬患者視力數(shù)據(jù)、前段照片和眼底照片傳到北京眼科大數(shù)據(jù)研究中心對白內障進行篩查及診斷，此項目的結果得到了一致好評。Wu等[14]建立深度學習模型實現(xiàn)白內障的協(xié)同管理，采用三步策略即通過捕獲識別模式，識別正常晶狀體、白內障或白內障術后的診斷以及對白內障病因和嚴重程度進行相關檢測及分析。該模型在年齡相關性白內障、兒童白內障和后囊膜混濁的白內障綜合識別診斷中表現(xiàn)令人結果滿意。除使用圖像外，該研究還建立了幾個使用臨床和生物計量變量的預測模型。這些模型可用于優(yōu)化術后屈光狀態(tài)和評估兒童白內障。

1.1.6AI在干眼中的應用干眼的患病率為5%～50%，然而其仍然是眼科診斷和治療最不足的疾病之一。目前，AI深度學習能力已被用于干眼圖像自動分類和診斷。Stor?s等[15]在最新研究報告中指出AI在干眼中的積極應用，其強大的機器學習能力可用于干眼患者圖像的細微識別、干眼診斷及嚴重程度分級，該研究結果還表明AI在干眼的臨床診療中具有極大潛力。在干眼相關研究中，淚膜滲透壓的測量方法在干眼評估中一直受到質疑，Cartes等[16]使用AI機器學習用以量化干眼淚液滲透性的辨別能力，該研究選取20例干眼患者和20例對照組進行研究，結果指出對照組和干眼組的平均滲透壓分別為295.1±7.3、300.6±11.2mOsm/L(P=0.004)，對照組和干眼組的滲透壓變異性分別為7.5±3.6、16.7±11.9mOsm/L(P<0.01)，在此研究中AI的干眼滲透壓診斷準確率高達85%，因此機器學習技術可精確地對干眼進行分類。另有研究發(fā)現(xiàn)，通過人工神經(jīng)網(wǎng)絡分析淚膜蛋白模式可以作為檢測干眼的診斷工具，該人工神經(jīng)網(wǎng)絡的受試者工作特征曲線下面積(AUC)為0.93，特異性和敏感性均約為90%，為干眼的準確診斷提供了線索[17-18]。

1.1.7AI在角膜病中的應用角膜炎是全世界范圍內導致角膜失明的主要原因。多數(shù)視力喪失可以通過早期發(fā)現(xiàn)和治療而避免。目前角膜炎的診斷多需經(jīng)驗豐富的眼科醫(yī)生。然而，在眼科醫(yī)生尤為缺乏、資源有限的環(huán)境下，特別是偏遠和醫(yī)療服務不足的地區(qū)，角膜炎的早診斷、早治療仍具有挑戰(zhàn)性。Li等[19]研究中建立了一個可以自動檢測角膜炎和其他角膜疾病的深度學習系統(tǒng)，該系統(tǒng)可根據(jù)裂隙燈和智能手機拍攝的圖片對角膜炎進行早期診斷和分類，從而預防角膜炎引起的角膜失明，這無疑是角膜炎患者又一福音，也是AI在眼科應用中的又一次突破。因此，將AI應用于眼科診療，可輔助醫(yī)務人員接診患者，收集病史，主動閱讀各種影像學資料，根據(jù)采集的病史、輔助報告，向醫(yī)師及患者第一時間提出診斷和治療方案，幫助眼科醫(yī)務人員節(jié)約大量人力、財力及時間，有助于患者第一時間得到有效診治。

1.2改變眼科手術模式隨著“精準醫(yī)療”概念的提出，精準治療在眼科得以應用發(fā)展。精準醫(yī)療是一種將個人基因、環(huán)境與生活習慣差異考慮在內的疾病預防與處置的新興方法，是以個體化醫(yī)療為基礎，隨著基因組測序技術快速進步以及生物信息與大數(shù)據(jù)科學的交叉應用而發(fā)展起來的新型醫(yī)學概念與醫(yī)療模式。Siddiqui等[20]研究指出可將AI應用于“精準醫(yī)療”中，其可主動識別疾病類型，指導完成診療方案。目前，多種AI模型已被開發(fā)用于檢測角膜擴張的整體或一種或多種特定形式，所有模型均基于角膜參數(shù)進行訓練[21-23]。圓錐角膜的早期檢測至關重要，發(fā)現(xiàn)早期可采用角膜膠原交聯(lián)手術防止角膜嚴重變形，而對于已經(jīng)發(fā)生角膜變形的圓錐角膜可以輔助選擇手術方案。Kovács等[24]開發(fā)深度學習分類機器區(qū)分臨床前期圓錐角膜眼和正常眼，其敏感度可達0.96。Rozema等[25]開發(fā)了一種SVM(support vector machine)算法識別5種不同的角膜模式，即圓錐角膜、錐狀圓錐角膜、屈光術后角膜、散光角膜和正常角膜，其準確率為88.8%，平均靈敏度高達89.0%，特異性為95.2%。除角膜擴張外，對角膜弧的自動診斷也進行了相關研究，可識別角膜炎等眼表疾病，區(qū)分不同解剖部位和病灶，識別相關的診斷信息，并提供手術等相關治療建議。

白內障占低收入和中等收入國家致盲人數(shù)的50%以上。白內障的早期發(fā)現(xiàn)和及時治療可以提高患者的生活質量并降低醫(yī)療費用。目前白內障手術主要是摘除混濁晶狀體聯(lián)合人工晶狀體植入。在白內障手術的并發(fā)癥中，后囊膜混濁是最常見的并發(fā)癥。AI不僅可以應用到人工晶狀體計算公式、提高計算準確性，還可輔助醫(yī)師制定個性化白內障手術。Gumbs等[26]指出AI除了篩查或診斷疾病，還可以設計手術，幫助確定植入的人工晶狀體類型及估計手術風險。此外，白內障等手術機器人也在進一步研發(fā)和應用中。

1.3促進分級診療建立合理分級診療模式是加快“基層首診、雙向轉診、急慢分治、上下聯(lián)動”就醫(yī)制度，推動“小病在基層、大病到醫(yī)院、康復回社區(qū)”合理舉措。AI技術在促進分級診療、緩解地區(qū)醫(yī)療差異、提升基層醫(yī)生水平等方面發(fā)揮積極作用。近來有學者提出在AI輔助下的遠程眼底閱片可輔助完成診斷和治療，既可幫助實現(xiàn)明確診斷、治療及進一步分級轉診，也可幫助實現(xiàn)眼健康管理[4]。最近有研究指出，眼科AI的深度學習可與遠程醫(yī)療結合使用，作為在社區(qū)、偏遠山區(qū)等地方為患者進行疾病篩查、診斷、監(jiān)測的一種可行性方案[4]。2015-11，河南省人民醫(yī)院牽手卓健科技，正式啟動分級診療制度建設工作，建成“互聯(lián)智慧分級診療醫(yī)學中心”，到2017年，遠程病例會診已超過20000例，打破空間的距離，實現(xiàn)了優(yōu)質醫(yī)療資源異地化，優(yōu)化醫(yī)療資源。

1.4改變傳統(tǒng)的眼科醫(yī)務人員培養(yǎng)方式AI作為醫(yī)療活動中醫(yī)務人員的助手，也影響了眼科教學及人才培養(yǎng)模式。基于AI與大數(shù)據(jù)以及云計算、互聯(lián)網(wǎng)、VR/AR等先進技術結合，AI整合的教育資源廣泛應用于教學及人才培養(yǎng)方面。AI教學系統(tǒng)以及AI輔助教學模式正在逐漸取代傳統(tǒng)教學模式。近代眼科人才培養(yǎng)方式主要是以教師—書籍—學生交往為主的方式，而AI背景下的教學模式則主要是以教師—AI—學生交互為主。醫(yī)學教育必須適應于不同時代背景，面對一個高度互聯(lián)的世界，未來醫(yī)學教育主體主要為：(1)積極探索促進AI在臨床教學中的應用，在醫(yī)學院校開展衛(wèi)生AI倫理，促進AI的健康發(fā)展；(2)目前創(chuàng)建的衛(wèi)生AI倫理課程應該涉及的倫理問題包括知情同意、偏見、安全、透明、患者隱私和分配；(3)超越醫(yī)院走向社會，回應不斷變化的社區(qū)需求，尊重多樣性；(4)利用先進技術，通過個性化、社會互動和資源可及性的主動學習，實現(xiàn)學生驅動學習[27]。

2當前智能眼科應用中所面臨的倫理挑戰(zhàn)

近年來，國家新一代AI治理專業(yè)委員會發(fā)布《新一代人工智能治理原則——發(fā)展負責任的人工智能》，提出了AI治理的框架和行動指南，“負責任的人工智能”一詞被提出，主要包括AI的公平、無偏見、透明、可解釋、安全、不侵犯隱私、負責任、有利于人類。隨著AI技術的快速發(fā)展，新興科技發(fā)展帶來的倫理問題成為面臨的主要挑戰(zhàn)。在此形勢下，AI在眼科的應用與發(fā)展不可能獨善其身。

2.1智能眼科在眼科診治中的失誤及歸責手術機器人的出現(xiàn)是AI的又一重要里程碑?，F(xiàn)階段從整個醫(yī)療活動中來看，機器人輔助醫(yī)生或由醫(yī)生設置參數(shù)后手術步驟由機器人單獨操作，整個醫(yī)療活動中操控手術的主體仍然是醫(yī)生，因此醫(yī)生在機器人法律責任法中仍然占主導地位。AI相關的倫理問題主要涉及6個方面：個人、人際、團體、制度、社會和部門。人們已開始對AI飛速發(fā)展中存在的倫理問題逐漸認識，但對減輕相關風險的能力仍處于初級階段。Dutt等[6]提出，AI在醫(yī)療過程中意外出現(xiàn)機器故障、操作失誤等問題時，是否有相應的緊急預案？患者是否能夠承受這種后果？O’Sullivan等[28]指出未來外科手術機器人可以學習和執(zhí)行日常手術任務，外科醫(yī)生起到監(jiān)督作用從而為患者服務。但新興的AI技術無論是民用還是軍用均面臨責任、法律、義務、倫理等問題需解決，只有這樣，AI才能更好地為人類服務。隨著AI在眼科診療、手術中的應用與發(fā)展，如何加強法律的監(jiān)控及保護，平衡患者、醫(yī)生、設計者、制造者、機器人等各方面權利是我們迫切需要思考和關注的問題。

2.2智能眼科中的隱私安全醫(yī)療數(shù)據(jù)隱私應受到嚴格尊重和控制，AI信息的應用應該受相關規(guī)則及法律保護。目前，有研究者對AI技術實施的安全性產(chǎn)生各種擔憂[29-30]。AI算法的開發(fā)和實現(xiàn)涉及巨大的數(shù)據(jù)集，因此涉及AI的法律問題需要政府、行業(yè)參與者、研究機構和其他利益相關者共同起草關于公平、安全、可靠性、隱私、安全性、包容性、問責制和透明度的特殊倫理原則。個人隱私的保護已形成社會共識，AI在醫(yī)療保健領域的大規(guī)模應用尚未出現(xiàn)，但是AI數(shù)據(jù)隱私安全已成為公眾擔憂問題[30]。新型冠狀病毒肺炎疫情爆發(fā)后，Smidt等[31]利用AI大數(shù)據(jù)、云計算、區(qū)塊鏈、5G等數(shù)字技術有效提升疫情監(jiān)測、病毒追蹤、防控和治療效率，研究發(fā)現(xiàn)部分政府部門為了拯救生命，存在忽視保護患者隱私的失責；盡管AI有助于政府和衛(wèi)生機構減少病毒的傳播，但政府置患者隱私不顧，嚴重侵犯了患者隱私權。目前AI對人類隱私權等基本人權造成了一定威脅，盡管許多國家作出了一定努力，但沒有一個國家能夠系統(tǒng)地解決與衛(wèi)生保健數(shù)據(jù)有關的隱私問題。目前，眼科AI的隱私問題主要涉及AI數(shù)據(jù)庫的數(shù)據(jù)共享、數(shù)據(jù)訪問、數(shù)據(jù)隱私、數(shù)據(jù)監(jiān)視、數(shù)據(jù)推送、知情同意、健康數(shù)據(jù)所有權及有效性等問題[30]。

2.3傳統(tǒng)醫(yī)患關系受到挑戰(zhàn)毋庸置疑，醫(yī)生在醫(yī)療活動中的本質是遵循“患者利益最大化”原則。Hashimoto等[32]研究中提出，AI參與診治時，其會第一時間做出科學診斷，不會考慮利益問題、患者是否能夠接受或是否有解釋能力，它的這種診斷行為可能增加醫(yī)生與患者不適當?shù)臎_突。AI輔助醫(yī)療將增加醫(yī)患之間的信任風險，患者知情同意權、患者主體性將受到前所未有的挑戰(zhàn)。AI的加入使得原本就緊張的醫(yī)患關系變得更加錯綜復雜。因而使得醫(yī)患雙方信任顯得至關重要。醫(yī)療AI作為一個新興的、快速發(fā)展且可能具有顛覆性影響的領域，不僅改變醫(yī)療活動的診治流程，甚至成為了醫(yī)療活動中醫(yī)療方案的輔助決策者。正因為存在這種顛覆性，在智能眼科飛速發(fā)展的背景下，新的醫(yī)患關系將面臨更深層面的挑戰(zhàn)。

Jotterand等[33]研究提出AI是使醫(yī)學重新人性化還是去人性化？隨著AI在臨床醫(yī)學領域的普及，應該慎重考慮支持負責實施此類技術的倫理框架。AI在臨床環(huán)境中的出現(xiàn)將挑戰(zhàn)傳統(tǒng)道德邊界，主要需考慮的問題有：(1)AI在臨床背景中的人類學含義；(2)用于解決醫(yī)學倫理問題的方法和框架；(3)AI對臨床實踐的影響，特別是在臨床判斷的性質方面。我們必須充分關注AI運用于臨床中對患者的人文關懷、倫理道德，充分發(fā)揮“負責任的人工智能”，以期為今后有關臨床實踐和培訓未來衛(wèi)生專業(yè)人員提供指導。近年來，由于多方面因素共同作用導致醫(yī)患關系日益緊張?；颊叻矫娴闹饕驗榛颊邔χ委熜Ч谕?、對醫(yī)療技術局限缺乏準確認識、醫(yī)療知識及信息的不對等、新聞媒體介入的負面作用及患者維權意識的加強。如何將AI與人文關懷、醫(yī)療技術、醫(yī)療設備融合一體，構建和諧醫(yī)患關系是AI在眼科診治中面對的又一難題。

2.4AI引發(fā)的眼科教育中的倫理問題盡管AI輔助的教育學習在技術上有很多優(yōu)勢，未來的醫(yī)生能夠使用高科技進行個性化學習、社會互動和獲取大量資源。AI目前在眼科訓練及其他學習應用中仍處于早期階段。因基于計算機的學習和AI算法可能被編程為對某些群體有偏見或偏向任何利益，因此眼科手術培訓設置涉及數(shù)據(jù)隱私問題、透明、偏見、問責和責任，必須考慮其在教育中存在的道德和倫理問題[34]。未來的醫(yī)生依然應該優(yōu)先考慮人本主義，以“患者為中心”。同時，醫(yī)生在遠程學習中，即學習者與教師和其他學習者處于不同的地理區(qū)域，學習者與他人的聯(lián)系感和歸屬感，即情感聯(lián)系和支持也是需要考慮的問題。此外，在數(shù)字化的影響下，醫(yī)學教育的人文價值和倫理標準均在迅速變化，因此迫切需要進一步研究數(shù)字化學習在眼科教育中的深度及其影響，并制定關鍵的素養(yǎng)課程。在AI快速發(fā)展過程中，年輕醫(yī)生是否會出現(xiàn)對AI產(chǎn)生依賴從而出現(xiàn)學習怠慢情況？目前，醫(yī)學院校開展的AI倫理學習課程較少甚至未開展，這與日益增長的AI醫(yī)療矛盾。醫(yī)生如何提高AI領域下臨床倫理實踐，如何進行倫理決策，這些都是值得思考的問題。未來醫(yī)學教育追求的目標是在AI背景下加強對患者的人文關懷和疾病學科專業(yè)性，無論AI是否參與到其中均須確保患者安全。Katznelson等[27]研究中特別指出AI在教育中面臨的倫理挑戰(zhàn)，衛(wèi)生領域中AI真實事件已對醫(yī)學界構成了道德挑戰(zhàn)，強烈呼吁有必要在醫(yī)學院教授衛(wèi)生AI倫理學。

2.5智能眼科涉及的倫理原則不完善現(xiàn)代信息技術的進步促進了認知科學的發(fā)展，使得機器人具有生動的“感受性”和切實的“道德反應”。AI的倫理不同于人類的倫理。AI以各種方式參與到社會活動中，這也賦予了AI關于“道德行為體”的標準。隨著AI革命的來臨，目前強調的主要原則是有益于社會、尊重人權和不造成傷害、保護隱私等。面對具有顛覆性及變革性的AI建立一套道德準則迫在眉睫。一項關于眼科AI的橫斷面研究通過“問卷之星”[35]應用程序設計了一份電子問卷，問卷由4部分組成，即受訪者的背景、對AI的基本了解、對AI的態(tài)度、對AI的關注及擔憂。調查結果顯示，醫(yī)務人員對AI的認識水平高于其他專業(yè)技術人員，多數(shù)受訪者沒有任何眼科AI的經(jīng)驗，但AI在眼科的接受程度普遍較高。科學技術的進步只有符合社會發(fā)展規(guī)律，促進人或社會的科學發(fā)展才會被認可和接納。AI推動眼科發(fā)展的同時，也需要道德和倫理規(guī)范AI技術的使用，同時也賦予AI一定的基本權利及道德倫理。在不久的將來，AI將成為衛(wèi)生保健服務的一個組成部分。患者是最重要的受益者之一，人與AI的互動可以提高衛(wèi)生保健效率，但在將其與常規(guī)臨床結合之前，應解決可能存在的問題和風險。Esmaeilzadeh等[36]在一項研究中在線調查收集了634例美國患者的相關數(shù)據(jù)，進一步了解他們在面對AI服務場景時對醫(yī)療保健的好處、風險和使用的看法，結果表明，這些患者對隱私問題、信任問題、溝通障礙、監(jiān)管標準透明度等方面表示明顯擔憂，而這些問題可能也是目前AI無法在衛(wèi)生保健領域應用的一個原因。

3展望

未來醫(yī)療的趨勢是跨界融合、共享數(shù)據(jù)、精準醫(yī)療。AI作為眼科史上新一代的革命性技術，合理利用AI不僅可以實現(xiàn)醫(yī)務人員的價值最大化，同時也能滿足患者利益最大化。目前，包括眼科在內的醫(yī)學領域內AI仍面對很多爭議及多個問題，包括知情同意、偏見、安全、透明、患者隱私等分配，如何加強倫理、法律法規(guī)的約束，建立相關法律法規(guī)保護監(jiān)督，平衡患者、醫(yī)生、設計者、制造者、機器人等問題仍是需要積極面對及解決的問題。我們需以謹慎態(tài)度對待AI的發(fā)展，AI必須在正確的價值導向下，遵守相應的倫理規(guī)范，才能在臨床實踐中推動AI眼科技術不斷走向成熟和完善。盡管現(xiàn)階段倫理、法律和監(jiān)管等問題仍有待解決，但AI無疑可在目前醫(yī)療模式中發(fā)揮重要作用，不能因此而阻止AI的發(fā)展及社會的進步。