业态规划 · 医疗健康

👁️ 眼科门诊智能体

从筛查到术后,AI全程陪伴

青少年近视防控缺持续追踪、术前术后患者依从性差、干眼等慢病人群管理空白——眼科不只是'看病',更是'长期管理'。天际眼科智能体,把眼科服务从'到店治疗'延伸到'日常管理',建立全周期眼健康闭环。

视力自测筛查术后恢复追踪干眼日常管理用眼习惯提醒

这个行业的真实困境

不是凭空想出来的问题,是深入行业后摸到的真痛点。 每一个问题背后,都是从业者和用户的双重焦虑。

👶
青少年近视防控缺追踪

孩子近视了,配了眼镜就完事了。度数涨没涨、涨了多少,半年后复查才知道,中间全是空白期。

🏥
术前术后依从性差

近视手术、白内障手术的术前准备和术后护理,全靠患者自觉,很多人不按要求来,影响恢复效果。

💧
干眼慢病人群管理空白

干眼、视疲劳是慢性病,需要长期管理,但医院只管开药,回家后怎么滴药水、怎么护眼,没人管。

👓
验光配镜客户留不住

配完眼镜就走,下次可能就去别家了。没有持续服务,客户没有粘性,复购全靠口碑。

AI智能体的四个核心能力

不是万能的AI,是精准解决行业核心问题的AI。 四个模块,每个都有明确的价值产出。

📱
视力自测+筛查预警

手机端视力自测,定期检测视力变化,异常自动预警,适合青少年家庭日常监控和初筛。

✅
术后恢复打卡追踪

术前准备清单、术后每日护理打卡、用药提醒、复查预约,全流程引导,提升依从性。

💧
干眼日常管理指导

干眼严重程度自评、热敷按摩指导、用药提醒、环境湿度建议、用眼习惯调整方案。

⏰
用眼习惯AI提醒

监控屏幕使用时长、20-20-20法则提醒、坐姿/距离检测、青少年用眼习惯报告。

3轮自检

我们不回避质疑,反而主动质疑自己。 每一轮都是一次自我推翻,推翻之后,留下的才是真东西。

01
AI测视力准吗?
手机测视力,能信吗?
▲
视力检测是很专业的事情,需要标准视力表、标准距离、标准光线。手机屏幕大小不一、距离随便站、光线各种环境,测出来的结果能准吗?不准的话不是误导人吗?
推翻后留下的答案

家用自测做筛查级,精准测量还得来医院。我们从不拿手机自测和医院验光比精度。手机自测的定位是'日常监控和趋势预警'——同一个人用同一个设备,前后对比看变化趋势,及时发现问题,然后去医院做精准检查。

  • 定位筛查级,不是诊断级——用来发现问题,不是用来下结论
  • 重点在趋势追踪——同一个人同一设备,连续测量看变化,比单次绝对值更有意义
  • 建立标准化引导——测量距离、环境光线、屏幕亮度都有明确指引,尽量减少误差
  • 异常结果自动引导就医——'您的视力较上次有下降,建议到医院做专业验光检查'
🔬 推演与验证 思考过程透明化
摆正位置
手机测视力永远不可能达到医院验光的精度,这是物理条件决定的,承认它就好了。不硬吹精度,不做虚假承诺。
找到价值
虽然不准,但它有医院验光做不到的事情——高频、方便、便宜。孩子每月在家测一次,发现下降趋势就去医院,总比半年后才发现已经涨了100度强。
结论
手机自测不是替代医院验光,是填补医院验光之间的空白期。一年两次医院验光 + 每月在家自测,组合起来才是最好的方案。
02
术后管理有用吗?
该好的自然会好,不好的管了也没用
▲
眼科手术技术已经很成熟了,术后恢复大部分人都没问题。搞个术后管理APP,每天让患者打卡,会不会反而增加患者负担?真的能提升恢复效果吗?还是只是看起来很用心?
推翻后留下的答案

比没用强,但关键是依从性设计。术后管理的核心价值不是'让恢复更快',是'让恢复不出意外'。大部分人确实能自然恢复,但总有一小部分人因为不注意导致并发症。AI术后管理就是要把这部分风险降下来,同时减少护士的重复答疑工作。

  • 核心价值是'防意外',不是'加速恢复'——把因为不注意导致的并发症降下来
  • 减少护士重复答疑——'能不能洗脸''什么时候拆线''滴什么药水',AI答80%的常见问题
  • 依从性设计很重要——不是让患者每天打卡,是关键节点提醒:今天该滴药水了、这周该复查了
  • 异常情况快速响应——患者报告异常症状,AI初步判断,严重的直接联系医生
🔬 推演与验证 思考过程透明化
数据支撑
眼科手术后的并发症,有相当一部分是因为患者不遵医嘱——比如术后揉眼睛、不按时滴眼药水、提前剧烈运动。这些都是可以通过提醒和管理避免的。
双向价值
术后管理不只是对患者有价值,对医院也有价值——减少护士的重复咨询工作,提升患者满意度,降低医疗纠纷风险。是双赢的事情。
设计原则
设计原则就是'少打扰、关键时刻出现'。术后第一天提醒勤一点,后面越来越少。恢复正常了就不打扰了。不能把术后管理做成每天的任务。
03
不会增加医生工作量吗?
AI搞一堆数据,医生还得花时间看
▲
AI做了那么多监测和追踪,产生了一堆数据。这些数据医生要不要看?看的话增加工作量,不看的话做了有什么用?搞不好反而给医生添乱。
推翻后留下的答案

AI做80%的常规答疑,医生只处理异常情况。正常的、没问题的,AI直接处理掉,不用麻烦医生。只有异常的、AI判断不了的,才转交给医生。医生的工作量不是增加了,是减少了——因为常规问题不用他们亲自回答了。

  • AI做第一道防线——80%的常见问题AI直接回答,不用到医生那里
  • 医生只处理异常和复杂的情况——AI筛选过了,医生看到的都是需要关注的
  • 数据自动汇总——复诊时AI自动把这段时间的数据整理成报告,医生一眼就能看完
  • 不是给医生加活,是帮医生减负——把他们从重复答疑里解放出来
🔬 推演与验证 思考过程透明化
分级处理
核心逻辑是分级处理——简单的AI答,复杂的护士答,疑难的医生答。每一级都过滤掉大部分问题,到医生那里的就很少了。
效率提升
眼科门诊的医生护士,每天要回答大量重复性问题——'药水怎么滴''什么时候复查''能不能看手机'。这些问题AI都能答,而且答得又快又准。
结论
好的AI系统,应该是让医生更轻松,而不是更忙。如果一个AI系统需要医生花更多时间,那它就设计失败了。

传统方式 vs 智能体赋能

不是替代,是升级。智能体站在人的肩膀上, 把重复性工作做掉,让人去做更有价值的事。

对比维度 传统方式 智能体赋能
近视防控 半年查一次,中间空白 每月自测+趋势预警,及时干预
术后管理 口头嘱咐,靠自觉 全流程打卡提醒,依从性提升
干眼管理 开眼药水就完事 日常护理指导+长期追踪
客户粘性 配完镜就走 持续眼健康服务,长期关系
医生效率 大量重复答疑 AI答常规问题,医生看疑难
服务范围 只管到店 从到店到居家,全周期覆盖
💡

留下你的需求,我来实现

这个方案还在规划阶段。如果你是这个行业的从业者,有具体的需求和想法,联系我们——我们一起把它做出来。