准备摘镜的人,越来越多地养成了一个新习惯:先问AI。把近视度数、散光情况输进去,几秒钟就能得到一份“手术建议”——适合全飞秒还是ICL,术后风险有哪些,甚至连检查项目都列得清清楚楚。

打开网易新闻 查看精彩图片

有人拿着AI给的方案走进门诊,结果医生看完检查数据后,给出的结论和AI完全不一样。问题来了:做近视手术到底能不能咨询AI的意见?

01、AI确实“知道很多”,但无法个性化分析

近视手术的评估,核心依据是一套20余项的术前检查:角膜厚度、角膜地形图、前房深度、暗瞳大小、角膜内皮计数、眼底健康状态、泪液分泌、眼压……每一项都在回答一个具体的安全问题。

当AI开始给出针对你个人的手术建议时,它手里其实没有任何关于你眼睛的真实数据。它只能根据你给出的数据做通用推演。通用推演和个体评估之间,隔着的恰恰是决定手术安全与否的这一层信息。

02、AI分析数据的局限性

第一是数据缺失。比如:AI看到角膜偏薄,可能推荐ICL ;但临床上即使其他数据符合,如果前房深度不足,ICL晶体根本放不进去。AI不知道具体情况,只是在套用一条通用规则。

第二是个体化不足。近视手术没有“标准答案”,只有“适合这个人的答案”。两个度数相近的人,一个做全飞秒,另一个可能因为角膜形态或干眼倾向被建议做ICL。术式选择要综合眼部数据、职业用眼习惯、夜间驾驶需求、干眼风险等多个维度,由医生在检查数据的基础上做判断。AI的标准化回复很难承载这种多维度的个体化权衡。

打开网易新闻 查看精彩图片

第三是安全倾向的偏差。相关研究对比了AI与屈光手术专家对44只眼的手术评估。有14只眼被专家判定为不适合手术,AI却建议做。在近视手术这件事上,判断能否手术和选对术式同样重要,很显然AI不适合承担安全把关的角色。

03、医生面诊在做什么?AI永远无法替代

医生面诊要做的,是把检查数据、眼部细微结构、用眼需求、全身情况放在一起做综合判断。近视手术强调“量眼定制”,原因就在这里:每个人的角膜条件、屈光状态、眼底健康乃至生活场景都存在显著差异,这些差异直接划定了手术的安全边界和术式边界。

打开网易新闻 查看精彩图片

AI能调取理论公式,但调取不了面前这个人的用眼史、职业特点和风险承受能力,更无法在检查中发现某项数据处于临界值时,结合临床经验做出“做还是不做、换哪种方式做”的判断。

04、正确的用法:让AI做它擅长的事

这并不意味着要把AI完全推开。一个更合理的分工是清晰的:

用AI做“预习”,不用AI做“结论”。 在去门诊之前,让AI帮你弄懂全飞秒和ICL的基本区别,了解术前检查大概要花多少时间、有哪些注意事项。这些信息层面的总结可以能让面诊更高效。

把AI的输出当作“问题”,而不是“答案”。 如果你问AI得到一个建议,正确的做法不是拿着它去要求医生“就按这个做”,而是可以带着这个建议去问医生自己是否适合这个方案。

打开网易新闻 查看精彩图片

最终的术式决定,必须落在检查数据和医生面诊的交汇点上。 没有角膜地形图、角膜厚度、前房深度、眼底情况这些实测数据,任何关于“能不能做、做什么”的结论都缺少根基。AI是预习工具,不是诊断医生。要把诊断权和方案决定权,留给看得见你眼睛的人!

图:pixabay/豆包AI生成