基层眼底影像AI筛查：图像质量治理先行

糖尿病视网膜病变筛查是AI影像落地的成熟方向，但在基层场景，设备差异与拍摄质量波动对可用性的影响，往往大于模型精度本身。本阶段，团队与合作社区卫生服务中心围绕眼底照片质量治理开展了实验性验证。
我们构建了约1.2万张本地眼底照片标注集，训练图像质量分级模型，对模糊、视场遮挡、曝光异常等样本自动拒识，仅将合格影像送入病变判读模型。阶段性进展如下：

• 质量前置过滤后，判读模型假阳性率下降约18%，医生复核负担明显减轻；
• 拍摄端增加即时重拍提示后，可读影像比例由约82%提升至94%。

下一步将扩展至两家基层机构做多中心验证，并把筛查结果与随访提醒流程打通，观察对复查依从性的实际影响。我们希望以可量化的小步验证，沉淀医疗AI在基层真实环境中的落地方法。