2026年3月20日，上海一场人工智能助力健康产业高质量发展大会上，一个容易被普通人理解的场景被摆到台前：拍摄眼底照片，可以快速评估慢病风险。新华社在3月21日的报道里还提到，通过视觉信号刺激检测抗压能力，也已经出现在“AI+健康”的讨论中。
这类应用之所以引人注意，是因为它把医学AI从医院设备间拉近了一步。过去说到影像AI，很多人想到的是CT、核磁、病理切片；现在，眼底照片、面部图像、语音、文本病历，都可能成为模型读取健康线索的入口。
但问题也在这里：一张照片到底能说明什么？多模态模型是在“看病”，还是只是在做风险提示？
照片不是诊断书，但能提供线索
眼底是比较典型的例子。视网膜血管状态与全身健康状况有关，因此眼底照片常被用于慢病风险筛查的研究和产品探索。新华社报道中提到的“拍摄眼底照片‘秒’测慢病风险”，说的正是这类场景。
多模态模型的工作方式，可以粗略理解为把几类信息放在同一个分析框架里：图像里有什么特征，文本病历里写了什么，既往检查结果是什么，医生的描述又指向哪里。单看一张图，模型只能捕捉视觉模式；加入更多临床信息后，它才可能把这些模式和具体风险联系起来。
这也是医疗多模态大模型被反复提起的原因。联影智能在介绍医疗多模态大模型时提到，医疗场景正在从单一模态、通用模型，走向融合影像、文本、语音、视觉等信息的专业模型。换句话说，医疗AI不再只做“识别一张片子里有没有异常”，而是在尝试理解更多上下文。
当然，尝试理解不等于已经具备临床判断能力。对普通用户来说，更稳妥的理解是：这类系统适合先把风险筛出来，提醒人进一步检查，而不是直接给出诊断结论。
医学影像大模型真正改变的是工作流
在更专业的医疗场景里，影像大模型已经不只是健康管理的小工具。
《协和医学杂志》2025年第16卷第4期刊发的述评《医学影像大模型：肿瘤精准诊疗的范式革新》讨论了医学影像大模型在肿瘤精准诊疗中的作用。肿瘤诊疗对影像、病理、临床记录等信息的依赖很高，医生需要在大量材料之间反复比对。模型如果能把不同来源的信息组织起来，价值就不只是“看图”，还包括辅助分层、辅助随访和帮助医生提高信息处理效率。
这和日常健康筛查的逻辑有相通之处：模型先处理大量非结构化信息，再把结果转成医生或用户能理解的风险提示。差别在于，医院里的模型必须接受更严格的临床验证，也要嵌入医生工作流；面向大众的健康管理产品，则更容易被包装成“拍一下就知道风险”。后者传播性强，也更容易被误解。
所以，谈多模态健康预测时，最该警惕的不是模型会不会“看照片”，而是它的输出被谁使用、在什么场景下使用、有没有被当成诊断依据。
隐私问题绕不过去
健康图像不是普通照片。眼底、面部、医学影像都可能对应个人身份和健康状态，一旦和病历、体检报告放在一起，敏感程度会更高。
这也是隐私计算、联邦学习常被放进医疗AI讨论里的原因。它们想解决的是一个现实矛盾：模型需要足够多、足够多样的数据来训练，但医院和患者又不能把原始数据随意拿出去流转。联邦学习的思路，是让数据尽量留在本地，模型参数或更新结果在机构之间协同，而不是简单汇总原始病历和图像。
不过，技术方案不能替代治理。数据是否经过授权，使用目的有没有说清楚，模型输出能不能追溯，出错后责任如何划分，这些问题比“模型用了什么架构”更直接地影响落地。
香港大学商学院关于多模态人工智能模型的文章也提醒，模型能力提升的同时，安全与责任问题仍然存在。放到医疗场景里，这句话要再加一层含义：健康风险预测不能只看准确率，还要看它会不会诱导用户过度焦虑，或者让低风险提示变成错误的安心。
它适合做第一道筛查，不适合替代体检
“拍张照片测健康”听起来很轻巧，优势也确实明显：无创、快、使用门槛低，适合做高频提醒。比如眼底照片筛查慢病风险，或者在健康管理场景里做初步分层，都比完整体检更容易触达用户。
但边界也要说清楚。血糖、血脂、血压这些指标，仍需要规范检测。影像和照片能提供风险信号，却不能把所有临床证据补齐。一个模型提示风险偏高，合理动作是去做进一步检查；模型提示风险不高，也不代表可以跳过体检。
这类工具更像筛查漏斗的入口：先把可能需要关注的人找出来，再交给医生和标准检查流程。它的价值在于提前提醒，而不是把医生、化验和影像检查全部替掉。
多模态模型还需要被慢慢校准
医疗AI最难的地方，不是做一个演示，而是长期稳定地服务真实人群。
不同设备拍出来的图像质量不同，不同医院的数据记录习惯不同，不同年龄、肤色、疾病阶段的人群也可能影响模型表现。模型如果只在有限数据上表现不错，到了更复杂的真实环境里，结果就可能打折。
因此，多模态模型进入健康管理，应该少一点“几秒看穿身体”的营销，多一点可验证的说明：用了哪些数据，适用哪些人群，输出的是风险评分还是诊断建议，错误率和限制在哪里，用户下一步应该做什么。
一张眼底照片，确实可能藏着健康线索。多模态模型的价值，是把这些线索和更多医学信息连起来，帮助人更早发现风险。它不是神奇的体检替代品，更像一个前置提醒器。真正决定它能走多远的，还是临床验证、隐私保护和清楚的使用边界。
