npj Digital Medicine：EyeSeek面向基层眼病筛查的可弃权大语言模型，真实世界转诊依从性P=0.037

EyeSeek把可弃权写进基层眼病筛查，真实世界转诊依从性P=0.037

影响分析 × 医疗数据从业者 ｜ 数据视角 × 医院信息化/临床医生 ｜ 行业观察

2026年10月5日在线发表于npj Digital Medicine的一项研究，把专用大语言模型放进了基层眼保健筛查这一场景。系统名为EyeSeek，定位是面向基层眼保健筛查的专用大语言模型，为居民提供个性化筛查解读与指导。它与多数同类工作的差别不在答对了多少题，而在工程设计上把一件事放到了最前面：让模型在超出知识边界时选择弃权。

对医疗数据从业者来说，这项工作的价值取向值得注意——幻觉抑制不靠事后过滤，而是把不确定性检测前置到生成之前；对医院信息化与临床一侧，可检验的东西则要朴素得多，目前只有一段真实世界结果：辅助组与未辅助组的转诊依从性差异，P=0.037。

开场：基层筛查缺的不是模型，是敢说不知道的模型

基层眼保健筛查的典型困境，往往不是缺少一个能答题的模型，而是缺少一个在答不上来时肯停下来的模型。EyeSeek的题目描述落在这一处：论文将其定位为面向基层眼保健筛查的专用大语言模型，向居民提供个性化筛查解读与指导，而不是一套泛用问答接口。

研究给出的另一条信息是专家评估结论：EyeSeek在多个维度优于若干通用大语言模型与基层医生。但摘要并未给出这些维度的具体名称与分值，也未给出诊断准确率等量化性能指标，因此专家评估只宜作为方向性结论阅读，不能换算成任何具体数值。

这里有一个容易被忽略的对照关系：被比较的对象里既包括通用大语言模型，也包括基层医生。前者衡量的是领域专用化带来的增益，后者衡量的是相对一线人力的表现。这两类对照放在同一场评估里，说明作者关心的是模型进入真实筛查流程后的位置，而不只是榜单排名。不过摘要没有说明专家人数、评分维度数量与盲法设置，评估的独立性与可重复性都无法据此判断。

可弃权机制：先判断边界，再决定答不答

核心机制是可弃权驱动的迭代学习框架。其逻辑顺序被明确写为：通过检测不确定性来判断是否超出知识边界；一旦判断越界，模型即选择弃权，并向外部寻求答案。作者称该机制可减少幻觉。

这一设计的工程含义在于，把是否回答变成一个可被单独优化的中间决策。模型不必在每一个输入上都强制产出结论，而是先对自身不确定性做出估计，再由估计结果决定是直接作答、弃权，还是转向外部检索。对数据侧而言，这相当于在生成链路中间插入一道闸门；闸门本身的判定质量，决定了后续回答的可信度区间。论文未给出弃权率、弃权判定的准确率或外部求答的命中率，这些数字一概无法从摘要推断。

配合该框架的还有一项角色扮演策略，用于实现针对性沟通。摘要将其列为核心机制之二，但未披露角色设定方式、策略触发条件或与弃权机制的耦合关系。从数据工程的角度看，这两项机制是可以分开度量的：前者决定答不答，后者决定怎么答。论文把它们放在一起报告，却没有给出各自的消融结果，因此无法判断转诊依从性的改善来自哪一侧。

3至8年级的可读性：沟通本身就是干预的一部分

可读性分析给出的结论是：EyeSeek的回复适配3至8年级（Grade 3至8）阅读水平。这个区间是论文中少见的、以量化形式呈现的结果之一。

在基层筛查场景里，可读性不是修辞问题。筛查解读的直接受众是居民，回复若超出受众阅读能力，后续任何指导都难以转化为行动。研究同时报告了两项次要观察：辅助组健康素养改善，用户满意度高。两项均未给出量表名称、评分口径与统计检验结果，因此只能视为方向一致的支持性观察。

把可读性与健康素养放在一起看，这条线索的落点其实在干预链条的上游——模型先要保证自己说的话能被读懂，才谈得上改变行为。

84对86与P=0.037：真实世界那一段怎么做的

真实世界研究为单中心前瞻设计，EyeSeek辅助组84人，未辅助组86人。主要结局是转诊依从性：辅助组高于未辅助组，P=0.037。

需要如实说明的是这段设计的边界。合计170人的样本量很小，P=0.037也只是一个刚刚跨过常规阈值的显著性水平；单中心前瞻设计不足以支撑跨机构泛化。论文未给出两组依从性的绝对百分比、相对提升幅度、置信区间或效应量，因此也无法判断这一差异在临床流程中的实际分量。除此之外，论文未给出诊断准确率等量化性能指标，任何由此反推准确率的做法都没有依据。论文的资助字段自相矛盾，本稿不写资助方。

还有一个判断上的陷阱值得提醒：转诊依从性衡量的是患者是否按建议去做了，不是模型是否判断正确。依从性提高既可能来自解读更清楚，也可能来自沟通更有说服力，二者对临床结局的意义并不相同。研究没有报告两组在最终确诊率或疾病分期上的差异，因此这项结果不能外推为筛查效果的改善。

冷静观察：没有准确率数字，转诊依从性是目前唯一的硬结局

编辑部判断，EyeSeek真正的新意不在又出现了一个医学专用模型，而在把弃权写成了一等公民。幻觉治理的常见路径是事后校验与知识库增强，可弃权框架则把不确定性估计提到了生成之前，这是一条更接近工程可控性的路线，也更便于在部署侧设置兜底策略。

但必须同时看到，这条路线目前的公开证据相当单薄。专家评估只说多个维度更优，无分值；可读性只给3至8年级区间；真实世界只有84对86、P=0.037一项主要结局。样本量小、单中心，且缺少诊断准确率这一类最直观的性能指标，意味着这项研究更适合被读作机制可行性验证，而不是效果确证。

对准备引入这类系统的机构，可操作的落点大致有三处。第一，把弃权率与弃权后的外求命中率作为上线后的必测指标，这两项论文没给，但恰好是部署方最该自己测的。第二，把转诊依从性当作与临床结果并行的一级指标，因为在这个场景里，让人按建议去上级机构复诊，本身就是干预链条上最容易被打断的一环。第三，把可读性检查固化进生成流程，3至8年级这个区间可以作为本地化的参照基线，但它来自英文语境下的年级换算，换成中文场景后需要重新标定。

一句话概括：EyeSeek给出的是一个值得跟踪的机制方向和一项刚刚显著的结局，离可复制的部署结论还有相当距离。

原文链接：npj Digital Medicine（Nature）

千方医数集编辑部 出品