AI视光筛查走进校园：数据驱动下的早期近视预警与分级管理实践

在青少年近视率持续高企的背景下，传统校园视力筛查的局限性日益凸显——耗时耗力、主观性强、数据碎片化。2024年以来，随着多部门联合推进“光明行动”，基于人工智能的便携式视力与屈光筛查系统开始大规模进驻中小学，为近视防控关口前移提供了技术支点。 以长三角某市的实践为例，当地教育局联合视光中心，在春季学期投入了12台搭载深度学习算法的自助筛查仪。学生只需注视屏幕3分钟，系统即可自动完成裸眼视力、屈光度和眼轴长度的初步检测，数据实时上传至区域眼健康大数据平台。一个学期内，该系统累计完成2.8万名学生筛查，检出近视前期（远视储备不足）儿童比例高达34.7%，其中约15%被精准转诊至合作视光中心接受睫状肌麻痹验光，确诊后及时纳入分级管理。相比往年依赖校医手动记录的方式，筛查效率提升3倍，数据完整度从60%提高到98%。 这套AI系统的核心价值不仅在于速度。算法通过对百万级眼底图像和屈光数据的学习，能够初步评估眼球生物测量参数，并对未来一年近视发生风险进行预测。例如，对于8岁、等效球镜度+0.75D但眼轴长度已超过同龄均值0.4mm的儿童，系统自动标记为“高风险”，建议缩短随访周期至每三个月一次。这种基于眼轴监测和AI风险分层的模式，正在推动近视管理从“发现即干预”转向“预警即管理”。  与此同时，数据贯通让卫生健康、教育、疾控等多部门协同更加顺畅。筛查平台为每一名学生生成电子眼健康档案，家长可通过手机端查看报告和个性化提醒。对于视力异常的学生，系统会推送定制化的科普内容，并引导至定点视光中心进一步检查。在北方某省会城市，这种模式实施一年后，试点学校的新发近视率同比下降了4.2个百分点，而对比学校仅下降1.1个百分点。 视光中心的角色也因此转变。过去，视光中心多是被动接收转诊；现在，通过筛查数据的前置，视光师能够在学生到店前就掌握其眼轴变化趋势、用眼行为记录甚至家庭屈光史，从而将初诊咨询时间缩短三分之一，并更有针对性地设计近视控制方案——无论是角膜塑形镜、多焦点软镜还是联合低浓度阿托品。 当然，AI筛查的落地仍面临挑战。设备在不同光照环境下的稳定性、算法对斜视或眼震等特殊情况的识别精度，以及数据隐私保护，都需要持续优化。但不可否认，智能化、常态化的校园筛查体系，正逐步成为近视防控的“神经末梢”，让早期预警和分级管理不再是一句空话。这不仅契合了国家《综合防控儿童青少年近视实施方案》的总体目标，也为构建全生命周期视光健康管理奠定了数据基础。