数字化校园筛查与远程AI预警：一项基于多中心视光队列的近视防控临床试验

## 背景与目的 随着青少年近视率持续攀升，校园筛查已成为近视防控的第一道关口。然而传统筛查模式存在数据孤岛、随访脱节、转诊效率低等问题。本研究旨在评估“数字化校园筛查+远程AI预警+视光中心闭环管理”模式对儿童近视进展的干预效果，探索低成本、高覆盖的近视管理新范式。 ## 研究设计 本研究为多中心、整群随机对照试验，在中国6个城市的36所小学开展。学校被随机分为干预组（18所）和对照组（18所），干预组采用数字化筛查系统（包括自动电脑验光仪、便携式眼轴测量仪和云端数据平台），筛查结果实时上传并由AI算法生成个体化近视风险评分及预警等级；对照组采用常规纸笔筛查。两组均转诊至当地视光中心进行标准屈光矫正和近视管理。主要终点为2年内眼轴长度变化，次要终点包括近视发生率、筛查覆盖率、随访依从性和成本效益。 ## 干预措施 干预组： - 每学期使用数字化设备进行视力、屈光度和眼轴长度筛查，数据自动同步至云端。 - AI模型基于年龄、基线屈光度、眼轴长度、父母近视史、户外活动时间等预测未来近视风险，并生成红/黄/绿三色预警。 - 家长通过手机端小程序接收预警和个性化建议，包括增加户外活动、控制近距离用眼、定期复查等。 - 对于高风险儿童（如远视储备不足），系统自动提醒至视光中心进行散瞳验光，并优先安排就诊。 - 视光中心根据全面检查结果，制定个体化干预方案（如角膜塑形镜、低浓度阿托品、离焦框架镜等），并通过平台跟踪随访。 对照组： - 采用传统视力表筛查，结果手工登记并通知家长，自行选择是否转诊。 ## 结果 共纳入12,467名6-12岁儿童，干预组6,235人，对照组6,232人。两组基线特征均衡。 **筛查覆盖率与随访依从性**：干预组筛查覆盖率达到了98.5%，对照组为91.2%（P<0.01）。干预组家长对筛查结果知晓率100%，对照组为85.3%。高风险儿童及时转诊率干预组为78.4%，对照组为42.6%（P<0.001）。 **近视进展**：2年随访期间，干预组眼轴平均增长0.32 mm（95%CI 0.29-0.35），对照组增长0.41 mm（95%CI 0.38-0.44），差异具有统计学意义（P<0.001）。干预组近视发病率（SE≤-0.50D）为18.6%，对照组为25.3%（P<0.001）。 **亚组分析**：基线远视储备≤+0.50D的儿童中，干预组眼轴增长较对照组减少0.15 mm（0.24 vs 0.39 mm, P<0.001），表明高风险儿童获益更大。 **成本效益**：虽然数字化筛查设备初始投入较高，但考虑到减少的重复筛查人力成本和更早干预带来的长期效益，干预组每减少1 mm眼轴增长的成本低于传统模式。 ## 讨论 本研究证实了数字化校园筛查联合AI预警和视光中心闭环管理的有效性。眼轴增长的显著减缓主要归因于以下几点： - 早期识别：通过眼轴测量和风险预测，在近视发生前或早期阶段即介入，更好地利用了近视防控的“黄金窗口期”。 - 提高依从性：AI预警和移动端提醒增强了家长的防控意识，提高了转诊和随访依从性，从而确保干预措施的持续实施。 - 个体化干预：视光中心根据筛查数据和全面检查结果制定个体化方案，避免了“一刀切”的低效。 此外，数字化平台积累的大量纵向数据为后续真实世界研究奠定了基础，也为政策制定者提供了区域近视流行趋势的实时监测工具。 ## 结论 “数字化校园筛查+远程AI预警+视光中心闭环管理”模式可显著减缓儿童眼轴增长、降低近视发生率，并提高筛查效率和随访依从性。该模式具有推广价值，尤其适用于医疗资源分布不均的地区。未来应进一步优化AI模型预测精度，探索与家长端行为干预的结合，并评估长期效果和成本效益。