基础模型在眼科临床应用的突破性研究 - 开发了多模态视觉-语言眼科基础大模型EyeFM 具备基于1450万张眼部图像的多模态预训练能力 支持单模态影像任务（如疾病检测与病灶分割）和多模态影像任务（如跨模态诊断和集成模态诊断）[6][7] - 通过云端协同模式在全球多地域（亚洲、北美、欧洲及非洲）基层及眼科医生中前瞻性部署 验证其对诊疗能力的提升效果[3][6] - 首次为AI医学领域提供大模型赋能基层与专科诊疗的高级别循证证据 为可临床转化的基础模型研发与验证提供新范式[3] 随机对照试验设计与结果 - 采用平行单中心双盲随机对照试验设计 纳入668名参与者（平均年龄57.5岁 男性占比79.5%）随机分配至干预组（EyeFM辅助）和对照组（标准诊疗）[11] - 主要终点显示干预组正确诊断率显著提升至92.2%（对照组75.4%） 转诊率提升至92.2%（对照组80.5%）[11] - 次要终点显示临床报告标准化评分中位数提升至37分（对照组33分） 干预组自我管理依从率达70.1%（对照组49.1%） 转诊建议接受度达33.7%（对照组20.2%）[11] 临床辅助系统效能验证 - 邀请全球44位眼科医生参与验证 覆盖基层及专科医疗机构 部署后评估显示良好用户接受度[11] - 系统支持自动生成临床规范影像报告和精准医学问答 减少医生文书工作量 成为诊疗过程中的智能助手[6] - 能显著提升眼科医生诊疗水平和患者预后 实现临床自适应的健康指导与智能交互服务[3][13]