眼病診療的第一個痛點是眼病客觀診療需求尤其是篩查需求與眼科醫師數量的嚴重不匹配。《我國糖尿病視網膜病變臨床診療指南（2014年）》要求糖尿病患者每年至少進行1次視網膜病變篩查，我國有超過1億名糖尿病患者，靠眼科醫師難以滿足巨大的篩查需求。由于眼科的專業性和專業人員的匱乏，診療覆蓋率及其有限，而人工智能和大量影像數據結合，可以參與到部分眼病，如糖尿病視網膜病變、白內障、青光眼、黃斑病變等篩查診斷中。

　　從醫生的角度來看，人類能夠診治疾病是有限度的，很多疾病早期診斷是很困難的。以青光眼為例，根據一次門診，眼科醫生難以判斷青光眼患者目前是否是在進展；糖尿病視網膜病變患者接受抗VEGF治療，事先也無法判斷每一個患者治療后反應如何，需要多次隨訪綜合判斷。

　　人工智能技術可能在這方面能夠幫助眼科醫生及早判斷，助力醫生實現個體化診療。

　　另外，人類雖然擁有靈巧的雙手，但精確度也存在極限，利用AI技術，開發眼科手術機器人輔助眼科手術，利用其高精度、高靈活性、穩定性的特點，使其與微創手術緊密結合，未來有望實現遠程眼科手術。目前，用于診斷和決策的AI是當下AI研究的熱點，AI手術機器人的發展尚不及診斷AI成熟。

　　總的來說，AI可以在以下五個方面幫助眼科醫生：

　　1． 通過與影像學相結合的機器學習技術在眼科中的應用，AI可以輔助醫生篩查，極大地提高了診療覆蓋率；通過篩查早期發現高危人群或者患病人群，提早治療。

　　2． AI能夠輔助臨床診斷，提高臨床工作中眼科疾病的診斷效率，減輕眼科醫生的負擔；這兩點是我們能在近期內是實現的，也是我們國家迫切需要的，能夠一定程度上幫助我們解決看病難、醫生少的問題，革新現有的疾病診療體系。

　　3． AI能夠拓展眼科醫師能力邊界，指導眼科醫師個體化治療和預測預后。當然，這一點的實現有賴于縱向數據集的建設。

　　4． 協助眼科醫師培養。比如，現在存在多種人工智能結合的模擬器用于住院醫師培訓；現有人工智能產品也可以幫助基層醫師對比他們的診斷，促進其成長。

　　5． AI能模擬人類總結新的診斷思路及規律，幫助人類醫生決策，提高診斷精度。目前要實現這一點還存在困難，尚有賴于技術的進一步發展。