1. 改变一切的那位患者
2025年4月的一个周二上午，在湖南省桃江县人民医院——一家服务农村人口的二级医院——一位62岁的农民走进诊室，主诉”视力有问题”。在大多数发展中国家的农村诊所，这种模糊的主诉通常只会得到一张转诊单，前往遥远的城市医院。
但这天上午不同。值班眼科医生刘医生打开电脑上新安装的Multi-Glau系统。她输入五个简单的数字：患者年龄（62岁）、性别（男）、眼压（24 mmHg）、视力（0.5）和杯盘比（0.7）。不需要昂贵的成像设备，不需要OCT扫描，不需要视野检查——这些设备动辄数万美元，还需要专业技术人员操作。
系统在不到两秒内返回结果：“疑似青光眼——建议紧急转诊。”
三周后，在80公里外的中南大学湘雅医院——一家三级医院——同一位患者得到确诊：早期原发性开角型青光眼。治疗立即开始，他剩余的视力得以保全。
“如果没有Multi-Glau，“刘医生后来告诉研究人员，“这位患者可能要等上几个月才能在城市医院预约到号。到那时，损害可能已经不可逆了。”
2. 视力的沉默窃贼：为什么青光眼很重要
青光眼是全球不可逆性失明的首要原因。仅在中国，估计有2100万人患有此病，预计到2050年将达到2500万。与可以通过手术逆转的白内障不同，青光眼造成的视力损失永远无法恢复。
这种疾病通常由眼压升高导致视神经受损。它进展缓慢且无痛，往往在显著视力丧失之前没有任何症状。当患者注意到周边视野缺损时，损害往往已经严重。
这就是为什么早期发现至关重要。青光眼发现越早，能保留的视力越多。但问题在于：准确的青光眼诊断需要精密设备——光学相干断层扫描（OCT）仪、视野分析仪，以及能够解读结果的训练有素的眼科医生。
在中国广大的农村地区，这些资源稀缺。2020年《柳叶刀》的一项研究发现，中国80%的医疗资源集中在城市，而60%的人口生活在农村。对于青光眼，这种差距尤为严重。大多数农村诊所没有OCT设备，许多甚至没有眼科医生。
3. 医疗差距：中国眼科健康的不平等格局
2015年，中国建立了三级医疗体系来应对这种差距。该体系将一级、二级和三级医院连接成转诊网络：患者在当地一级机构筛查，转诊到二级医院初步诊断，再送往三级医院进行确定性治疗。
理论上，这个体系应该有效。实际上，它在眼科等专科领域举步维艰。一级医院往往无法可靠地筛查青光眼，因为既缺乏设备也缺乏专业知识。二级医院可能有一些设备，但没有准确诊断所需的完整设备。即使患者被转诊，低级别的诊断不确定性意味着许多不必要的转诊淹没了三级医院，而本应转诊的患者却被遗漏。
人工智能长期以来被视为解决方案。AI系统可以以超人的准确性分析医学图像。但大多数现有的青光眼AI模型有一个致命缺陷：它们需要完整、高质量的数据——OCT扫描、眼底照片、视野检查——而资源有限的医院恰恰无法提供这些数据。
“这是一个残酷的讽刺，“Multi-Glau研究的通讯作者、湘雅医院青光眼专家宋伟涛博士说。“最需要AI辅助的医院，恰恰是无法使用现有AI模型的医院，因为它们缺乏所需的设备。”
4. Multi-Glau：三级AI解决方案
2025年7月3日，中南大学湘雅医院团队在Nature Portfolio期刊npj Digital Medicine发表论文，介绍Multi-Glau——首个专门为中国三级医疗体系设计的AI系统。
该系统包含三个独立模块，每个模块针对不同医院层级的资源和需求进行定制：
- 筛查模块（一级医院）： 仅使用五个简单临床参数——年龄、性别、眼压、视力和杯盘比。无需成像设备。AUC（曲线下面积）达到0.9254，意味着超过92%的准确率识别青光眼疑似者。
- 预诊断模块（二级医院）： 处理不完整数据场景。当OCT或视野检查不可用时，系统使用创新的”冻结缺失”架构，利用现有数据做出最佳预测。即使缺失数据高达40%，AUC仍达0.8650。
- 确诊模块（三级医院）： 使用完整多模态数据——眼底照片、OCT扫描和临床参数——将青光眼严重程度分为四期：早期、中期、晚期和严重期。AUC达到0.9516，优于现有最先进模型。
“关键创新不仅是准确性，“第一作者周毅说。“而是适应性。Multi-Glau在每个医院现有资源的基础上与之对接。”
5. 各模块如何工作
筛查模块：五个数字，无需机器
对于一级医院——社区卫生中心、农村诊所、村卫生室——筛查模块使用XGBoost分类器，基于湘雅医院的3545例患者记录训练。五个输入参数可用基本设备获得：简单的眼压计测量眼压，斯内伦视力表测量视力，直接检眼镜观察杯盘比。
模块输出概率分数。如果分数超过阈值（可根据当地需求调整），系统建议转诊。在桃江县人民医院的验证测试中，模块敏感性达到0.9750——意味着捕获了97.5%的实际青光眼病例。
预诊断模块：理解缺失数据
二级医院通常有一些诊断设备，但不是完整套件。一家医院可能有眼底相机但没有OCT扫描仪。或者有OCT但没有视野分析仪。传统AI模型在这些场景下会失败。
Multi-Glau的冻结缺失模块使用创新架构，“冻结”与缺失模态相关的权重，防止它们降低预测。系统在5%到40%的缺失数据率下测试，始终保持可靠性能。
“这是首个系统解决青光眼诊断中不完整多模态数据的AI系统，“作者在论文中指出。“它弥合了理想化研究数据集与现实临床约束之间的差距。“
确诊模块：顶层精准
在三级医院，当完整诊断检查可用时，Multi-Glau的M³-VF模块（多视角、多模态、多阶段视野）提供精确的四期分类。这对治疗规划至关重要：早期患者可能只需监测，而晚期病例需要立即手术干预。
该模块使用基于Transformer的架构，融合多个来源的信息：显示视盘的眼底照片、测量视网膜神经纤维层厚度的OCT扫描，以及临床参数。在严重程度分期上达到95.16%的准确率，显著优于DAFT和HoFN等现有模型。
6. 临床表现：关键数据
Multi-Glau系统使用湘雅医院的27255例青光眼患者数据开发，排除高度近视和糖尿病视网膜病变等混杂疾病后，3545例纳入最终分析。系统随后在两家外部医院验证：益阳市中心医院（99例）和桃江县人民医院（45例）。
关键性能指标：
| 模块 | 任务 | AUC | 敏感性 | 特异性 |
|---|---|---|---|---|
| XGBoost筛查 | 青光眼vs健康 | 0.9254 | 0.8857 | 0.8812 |
| 冻结缺失 | 早期vs严重 | 0.8650 | 0.8419 | 0.7193 |
| M³-VF | 四期分类 | 0.9516 | 0.7454 | 0.8733 |
同样重要的是，系统提高了人类表现。在一项涉及九名不同经验水平眼科医生的研究中，当医生使用Multi-Glau的可解释性特征时，诊断准确性显著提高。这种改善在初级医生和严重病例中最为明显——正是最需要的地方。
7. 已在运行：中国各地的医院
Multi-Glau不是等待部署的理论模型。它已经投入运营。系统已作为本地软件工具和网络平台部署，服务于湖南省多家医院：
- 中南大学湘雅医院（长沙）： 系统开发所在的三级医院。使用全部三个模块，重点使用确诊模块进行治疗规划。
- 益阳市中心医院： 二级医院。使用预诊断模块对患者分诊并确定转诊紧迫性。
- 桃江县人民医院： 服务农村人口的二级医院。使用筛查模块识别来自周边农村的青光眼疑似者。
系统的可解释性特征——GradCAM++可视化显示哪些图像区域影响了诊断——对医生培训特别有价值。初级医生报告，系统帮助他们学习识别可能遗漏的青光眼特征。
“Multi-Glau不会取代医生，“宋博士说。“它让医生变得更好。在专家监督有限的农村地区，这种差异对患者可能是改变人生的。”
8. 这对患者意味着什么
对于2100万中国青光眼患者——以及数百万风险人群——Multi-Glau代表着医疗可及性的根本转变。一种曾经需要前往遥远城市医院的疾病，现在可以在当地诊所检出。一种悄无声息偷走视力的疾病，可以在损害发生前被捕获。
其影响超越中国。任何拥有分级医疗体系和资源分布不均的国家都面临类似挑战。Multi-Glau架构——适应性强、层级感知、对缺失数据鲁棒——提供了一个模板，可以适应其他疾病和其他医疗体系。
对于桃江县的那位农民，影响更简单。他仍然拥有视力。他仍然可以耕种田地。他仍然可以看着孙辈长大。
对于数百万像他一样的患者，这就是一切。
来源与参考
本文仅供信息参考，不构成医疗建议。患者应咨询合格的医疗专业人员获取个性化医疗指导。