一项发表在《Nature Medicine》的研究，通过严格的随机对照试验证实，名为EyeFM的眼科AI大模型能显著提升医生的诊断准确率和患者的预后，为AI在临床的实际应用提供了高级别证据。
智能速览
EyeFM是一个基于1450万张多族裔图像训练的眼科多模态基础模型。
该模型能执行疾病检测、影像报告生成和医学问答等多种任务。
全球多中心验证表明，EyeFM能有效辅助不同地域的眼科医生。
中国RCT研究显示，AI辅助组诊断正确率提升至92.2%，远超对照组。
使用EyeFM后，患者的随访依从性和转诊接受度也显著提高。
精华内容
AI在临床的真实价值几何？EyeFM的研究通过严谨的随机对照试验，给出了答案。
全能型EyeFM模型
研究团队开发的EyeFM是一款多模态视觉-语言眼科大模型。它利用全球1450万张多族裔眼部图像及临床文本进行预训练，能力覆盖单模态影像任务、跨模态诊断任务以及视觉语言交互任务，如自动生成报告和医学问答，能融入眼科诊疗全流程。
全球多中心效能验证
为了验证模型的普适性，研究团队在亚洲、北美、欧洲和非洲邀请了44位基层及专科医生参与测试。结果证实，EyeFM作为辅助工具能有效提升不同地区、不同层级医生的诊疗表现，证明了其在全球范围内的临床应用潜力。
RCT验证诊断提升
在中国开展的双盲随机对照试验是本次研究的核心。668名参与者被随机分配，由16位眼科医生分别使用标准诊疗和EyeFM辅助诊疗。数据显示，AI辅助组的诊断正确率达到92.2%，显著高于对照组的75.4%；转诊准确率也提升至92.2%。
改善患者预后
研究不仅关注医生端的表现，也评估了对患者的影响。次要终点数据显示，使用EyeFM辅助的患者，其随访中的自我管理依从性（70.1% vs 49.1%）和转诊建议接受度（33.7% vs 20.2%）均有显著提升，表明AI辅助能改善患者的长期健康管理。
EyeFM的研究不仅为眼科AI提供了首个高级别临床证据，也为未来更多医学AI的落地验证建立了新范式。AI如何更深地融入临床工作流，将成为下一个值得关注的焦点。
