中山大学中山眼科中心教授林浩添、副研究员杨雅涵团队与合作者，通过文献计量学方法，对眼科人工智能（AI）伦理领域的发展路径、现状热点及关键解决策略进行了系统性“解码”，不仅为医学AI伦理领域提供了量化分析的理论框架，更构建起一套可扩展的伦理治理框架。相关成果近日发表于《Npj数字医学》。

AI伦理治理是保障技术健康发展的核心议题。面向国家与行业发展需求，林浩添团队联合国内外高校及科研机构，充分发挥交叉学科优势，长期攻关隐私伦理相关的智慧医疗解决方案。此前，团队已研发患者眼面部影像隐私保护的“数字面罩”技术，为患者个人信息装上“安全锁”；并开发基于“AI-区块链”技术的临床研究数据管理框架，给多中心研究数据筑起“防护盾”。

在推进上述实践的过程中，团队深刻认识到当前医学AI伦理研究的两大关键瓶颈：一是“规律难把握”，缺乏系统性、量化的分析手段，导致难以追踪伦理问题的演变轨迹、评估现有解决策略的有效性，更无法预测未来发展趋势；二是“工具不匹配”，现有指南与综述多停留于原则性讨论，缺乏针对不同数据模态（如眼外观照片、眼底影像、手术影像等）与应用场景（如诊断、治疗、研究等）的精准可操作伦理指引，导致实际落地时往往“一刀切”，难以应对真实场景中的复杂挑战。

论文共同第一作者兼共同通讯作者杨雅涵表示，眼科作为数据密集、AI技术应用成熟的典型领域，成为探索医学AI伦理治理的理想“试验田”。数据显示，近5年眼科在医学AI伦理领域发表论文的数量与增长速度迅猛，是医学AI伦理领域的“先驱示范”。

回顾眼科AI的发展历程，其伦理关注点随技术落地阶段而动态演变：2018年，AI初入临床，因诊断关联视力安全，最初聚焦于“能不能用”的信任度与可靠性问题；2019-2020年，AI落地扩围，因其“黑箱”特性难以解释，且模型对不同人群的性能存在差异，透明度与公平性成为关注焦点；2021年至今，多中心数据共享普及，眼科图像含个人特征易泄露，隐私与数据安全成为核心议题。

进一步分析发现，不同数据模态的AI应用面临差异化伦理挑战：眼外观或面部照片涉及个人身份可识别信息，相关AI更关注隐私保护；眼底影像与OCT常覆盖多样化人群数据与多病种，相关AI则注重透明度与公平性；眼科手术精细，基于手术影像构建的AI则聚焦安全与“有益与无伤害”原则。

针对医学AI伦理治理缺乏量化依据的关键问题，研究团队通过系统性文献计量分析，构建了首套可量化、可扩展的伦理治理评估框架。该框架不仅为眼科AI的规范化发展提供了实证基础，更为整个医学领域落实国家AI治理战略提供了科学范本，对推动医学AI产业健康有序发展具有重要实践价值。

“该研究为临床实践、技术开发与政策制定提供了精细化、可操作的‘伦理导航’。”论文共同通讯作者林浩添表示。该研究是中国学者在医学AI伦理领域从“跟跑”到“并跑”乃至“领跑”的重要尝试，未来团队将继续深化研究，为全球医学AI伦理治理贡献“中国方案”。

相关论文信息：https://doi.org/10.1038/s41746-025-01976-6