清华长庚AI眼科诊所登《Nature Medicine》：1426张医生复核图像胜过2.7万张原始标注，上线五个月只有3.8%的检查走了AI流程
北京清华长庚医院与清华大学团队把AI智能体眼科诊所AI-TEC的真实世界经验写入《Nature Medicine》。原型2025年11月部署，多个专能智能体覆盖诊前、分诊、诊断、决策支持、患者教育与随访。团队发现直接用原始临床数据后训练反而降低模型性能，加入1426张医生复核的高质量图像后准确率显著提升；上线五个月后仅3.8%的检查走AI流程，简化界面后次月升至23%。
一家AI眼科诊所的真实五个月：1426张医生复核图像，比2.7万张原始标注更有用
落地趋势视角 × AI技术供应商 ｜ 数据质量视角 × 药企研发决策者 ｜ 深度研报
**一项发表于《Nature Medicine》的研究，把一套AI眼科诊所原型放进真实门诊，并连续观察了五个月。**它记录的重点不是精度曲线的抬升，而是两组更朴素的数字：1426张经眼科医生复核的图像，比近27000张原始标注更有用；而当界面被简化、点击次数被削减之后，走AI流程的检查占比从3.8%升至23%。对供应商与研发决策者而言，这两个数字指向的是同一件事。
一家诊所里的AI，从来不只是一个算法
研究以《人工智能眼科诊所在中国真实世界中应用的初步经验》为题发表。它给出的不是又一份算法榜单成绩，而是一份部署记录：AI-TEC（AI-Agent Augmented Tsinghua Eye Clinic）原型于2025年11月在北京清华长庚医院投入运行，随后在真实门诊中被持续使用与观察。
设计思路值得留意。团队没有为某一个单一任务训练一个算法，而是为眼科诊疗的不同阶段分别配置多个专能AI智能体，让信息随患者的就诊进程在这些智能体之间流转。覆盖环节从诊前、分诊、诊断，一直延伸到临床决策支持、患者教育与随访。
**评估单位由此从单个模型，变成了整条诊疗链路。**一个环节的输出会成为下一个环节的输入，误差与摩擦同样沿着链路传递，这与在离线数据集上跑分是完全不同的两件事。
换一个角度看，这种架构把AI从“挂在流程之外的工具”推进为“嵌在流程之中的环节”。一旦AI承担起分诊与随访这样的连续性职责，它的可靠性就不再是单次推理的问题，而是整条链路在长期运行中的稳定性问题。
越多的数据，未必越好的模型
第一个教训出现在数据侧。团队发现，常规病历中常常包含不完整的信息、相互矛盾之处以及不可靠的临床标签；把这类原始临床数据直接用于后训练，反而拉低了模型性能。早期版本在识别青光眼、黄斑变性等疾病上表现不佳，正是这一现象的直接后果。
**对AI供应商来说，这是一条反直觉的成本结论：医院里的数据并不等于现成的训练燃料。**病历是为诊疗与结算写下的，不是为监督学习标注的，两者之间的错位无法靠扩大数据量自动消除。
对药企研发负责人而言，同一条经验同样成立。真实世界数据的价值并不来自体量，而来自采集环节是否预设了明确的定义、统一的口径与可追溯的质控。缺了这一层，再大的队列也难以支撑可靠的结论，也无法在事后靠统计方法补救。
因此，“先清洗再训练”不应被当作一道可选的预处理工序，而应被视为数据资产的一部分：它决定了一批临床数据是资产，还是需要持续折旧的负债。
1426对27000：小数据为什么赢了大数据
转折发生在一次规模极小的补充之后。团队加入1426张经眼科医生复核准确性的高质量图像，模型在上述疾病上的表现随之显著提升。
关键在于对照：这1426张图像构成的小数据集，比最初的近27000张标注质量较低的图像更有用。数据质量可能比数据量更关键，这是这项研究最容易被低估的一条结论。
为什么小数据能赢？因为医生复核做的不是“增加样本”，而是“修正标签分布”。它把模糊、矛盾、错误的标签从训练信号中剔除，让模型收到的每一次更新都指向同一个临床事实。数据量的作用只是放大既有信号——如果信号本身是噪声，放大只会让模型更自信地犯错。
这也给出一种可迁移的做法：在扩大采集规模之前，先用小规模、高确定性的复核集校准标签口径，再让它成为后续数据生产的标尺。对预算有限的团队而言，把资源投向一轮严格的复核，可能比再采集一批来源混杂的图像更接近有效。
3.8%到23%：医生不用，模型再好也没用
第二个教训不在模型里，在使用率里。真实使用五个月后，只有3.8%的检查使用了AI-TEC流程；团队随后简化界面、减少点击次数，在紧接着的那一个月，这一比例升至23%。
**3.8%到23%的差距，与算法精度无关，只与摩擦有关。**每一次多余的点击、每一个需要切换的窗口，都会把医生推向更省力的旧路径。临床工作流对额外负担的容忍度，远低于技术团队的心理预期。
团队的处理方式是把工作流整合与临床医生参与当作开发过程的一部分：用医生反馈调整AI的嵌入方式，而不是让临床医生反过来适应技术。这条经验很难写进方法章节，却直接决定一套系统能否活到第二年。
冷静观察：从AI辅助到AI原生，中间隔着流程重构
论文的判断相当克制。团队认为，医疗AI真正进入临床，不只是把更先进的模型部署到医院，还需要同步推动临床流程重构、评价体系转变与治理机制建设。这三件事都不在模型能力的范畴之内。
值得冷静看待的还有评价口径。若以“部署了多少模型”计数，AI-TEC是一份成功案例；若以“多少检查真正走了AI流程”计数，23%说明距离常态仍有距离。在评价体系转向流程与结局之前，任何准确率数字都可能高估技术对临床的实际改变。
该研究共同通讯作者包括黄天荫、王亚星、吴嘉敏、戴琼海，共同第一作者为张頔、严涛，研究获北京市视觉科学与转化医学研究中心支持。对行业而言，这份初步经验的意义不在于给出一个可复制的产品形态，而在于把“数据要干净、流程要重做、医生要参与”这三项成本明确摆上了台面。
最终的价值判断并不复杂：不取决于部署了多少模型，而取决于是否形成更安全、更高效、更可及、以患者为中心的医疗服务。从AI辅助走向AI原生，中间隔着的不是一次模型升级，而是一次流程重构。
原文链接：北京清华长庚医院
千方医数集编辑部 出品
