（作者/韩菲）当下，人们对于眼科以及眼部诊疗需求日益扩增，利用数字化技术进行全生命周期眼健康管理虽然已经初具雏形，但也亟待继续快速发展。在这一行业关键升级阶段，作为中国眼科医学科技创新的推动者与践行者，莫亚男聚焦眼科晶体植入、视网膜影像诊疗等近年来临床关键性技术和热点难点问题，不断开拓思维、融合创新，创造性地研发了多项极具行业领先意义的技术成果，切实解决了临床实际问题，为开启眼科医学尖端技术突破升级做出巨大贡献。
莫亚男作为中国资深眼科医学专家，她始终认为，眼科事业的高质量发展，需要的是高水平科技自立自强，一方面要大胆创新、反复试验，主动推动眼科医学相关技术变革，另一方面还要深入研究眼科医学的重大科学问题和规律，面向未来抢占科技创新制高点，加强协同创新，推动眼科医学基础研究和临床关键理论与技术的突破。她的非凡眼界和宏伟格局早在其读书时便已崭露头角，在哈佛攻读硕士研究生期间，莫亚男便成功发表了《多中心、前瞻性、观察性湿性（新生血管性）年龄相关性黄斑变性患者登记研究》等专业论文，在日常学习中，她更是精益求精，紧跟眼科临床科研发展新趋势、学科建设新理念和技术发展新方向，潜心学术研究，科研成果累累，并凭借卓越表现荣获哈佛大学奖学金，是当之无愧的高精尖技术人才。
科技决胜未来，创新攻坚破冰。随着科技的发展和人工智能的兴起，越来越多的行业开始探索前沿科技的融合运用，医疗行业也不例外。莫亚男牢牢抓住新一轮科技革命和产业变革的机遇，她发现，在疾病诊疗筛查阶段，若能依靠科技力量，便能够成功打造健康筛查、诊断、治疗决策支持等闭环服务，同时大幅提升影像分析速度和辅助诊断准确率。为此，她瞄准“卡脖子”的关键核心技术难题，深入挖掘大数据、人工智能等新一代信息技术在眼科医学领域的创新应用，积极开展创新型智慧化诊疗体系建设研究，凭借深厚的理论知识、丰富的实践经验以及强劲的科研实力，率先研发出了“基于Machine Learning的疾病辅助筛查系统V1.0”，在业内引起热切关注。
“基于Machine Learning的疾病辅助筛查系统V1.0”利用RF、SVM、DNN和GBDT建立了变性疾病的早期辅助筛查模型，旨在提高疾病筛查的准确性和效率，帮助医生进行早期干预和治疗。该系统通过患者的医疗记录、症状描述、实验室检查等多种样本数据，并对数据进行数据清洗、特征提取和数据标准化等预处理，以去除冗余信息和降低维度，从而提高疾病筛查准确度，大幅度降低漏诊和误诊的风险。“基于Machine Learning的疾病辅助筛查系统V1.0”还能够从大量的医疗数据中学习和提取模式，自动化进行早期疾病迹象和风险因素筛查，减轻医生的工作负担，有效提高疾病的筛查效率，同时解决了传统人工判断可能出现的由于对该疾病认识不足，而导致的经过长期、多种检查才确诊的情况，真正实现疾病的早发现、早治疗，提高了患者的生活质量和健康水平。目前，“基于Machine Learning的疾病辅助筛查系统V1.0”已在众多大型医院及相关医疗机构落地推广，并在眼科医疗机构取得了尤为显著的成绩，这也充分证明了莫亚男这项技术在医疗行业特别是眼科医学领域的卓越成效及影响力。该技术难能可贵的是用智能化手段真正打破了复杂因素对疾病筛查效果的影响，提高了疾病诊断的智能化技术水平，并创收了显著的社会经济效益。
莫亚男从行业可持续、创新力、数智化三个方向持续发力，积极打造眼科医学高地，为眼科医学提供了强大的理论与技术支撑，推动眼科医学科技实力从量的积累迈向质的飞跃。凭借精尖研发能力与行业举足轻重的地位，莫亚男在工作期间先后主持参与了多个国家级重点项目，为眼科医学研究和临床实践提供了宝贵的数据和经验，她的研究工作获得了业内众多专家、学者的广泛认可，并为改善患者的眼健康状况提供了有力支持。
展望未来，莫亚男将继续以“建立智能信息化服务体系”为重要抓手，推动眼科医学的变革，继续引导和激励运用前沿技术，让数字技术在眼科医学等众多领域成为创新实践的引擎，持续推出、优化和落地智能化方案。
