视光企业动态：AI眼轴预测模型突破，社区视光中心迎来精准防控新契机

 近日，在中华医学会第二十八次全国眼科学术大会上，多家视光企业展示了基于人工智能的眼轴生长预测模型，引发行业关注。眼轴长度作为近视进展的核心生物参数，其精准预测对于制定个性化干预方案至关重要。传统的眼轴监测主要依赖定期测量和线性外推，但实际生长轨迹受遗传、环境、行为等多因素影响，呈现非线性特征。AI模型通过整合海量历史数据，能够学习复杂的生长模式，实现更精准的预测。 以星瞳科技联合中山眼科中心发布的“瞳轴智预”模型为例，该模型基于超过10万例青少年眼轴数据训练，纳入年龄、初始屈光度、户外活动时长、近距离用眼习惯、家族史等23项特征，可提前6个月预测眼轴增长趋势，AUC达到0.91。在试点社区视光中心的应用中，该模型辅助验光师为高危儿童制定强化干预方案，使6个月眼轴增长减缓0.12mm，效果显著。 此外，AI预测模型还赋能角膜塑形镜验配和低浓度阿托品用药决策。传统上，角塑镜验配后效果存在个体差异，部分儿童眼轴仍快速生长。通过AI模型，可以在验配前预测角塑镜的应答效果，对于预测效果不佳者，可考虑联合低浓度阿托品或调整光学设计。在用药方面，AI模型可根据眼轴轨迹判断停药时机，避免反弹效应。 视光中心作为近视防控的前沿阵地，正从单纯的验光配镜向眼健康管理转型。AI预测模型的落地，为视光中心提供了精准化的工具。一些头部视光企业已将AI预测模型集成到其数字化管理平台，如爱尔眼科的“瞳慧”系统、明德视光的“启明”平台，实现从筛查、预测、干预到追踪的闭环。社区视光中心借助远程医疗和AI辅助，能够为居民提供与三甲医院同质的服务，提升信任度和粘性。 然而，AI预测模型的推广仍面临数据标准化和隐私保护的挑战。不同来源的眼轴测量设备存在误差，数据质量参差不齐，影响模型泛化能力。行业协会正在推动建立统一的数据标准和共享机制，同时加强隐私计算技术的应用。未来，随着多模态数据的融合，包括基因、眼底影像、行为数据等，AI预测模型将更加精准，推动近视防控进入个性化时代。