专访钱主任：人工智能与大数据如何重塑近视筛查与预测的新格局

**专访钱主任：人工智能与大数据如何重塑近视筛查与预测的新格局** 近年来，青少年近视防控已上升为国家战略，随着政策持续落地，临床技术不断迭代，业界关注点正从单一光学矫正转向综合管理与精准预测。在此背景下，人工智能（AI）与大数据技术为眼视光领域带来了新的突破口。我们有幸邀请到市眼科医院视光中心主任钱教授，分享她在 AI 近视筛查与预测模型临床应用中的经验与洞察。 **记者：钱主任，目前 AI 在近视筛查中的应用已不鲜见，您认为最关键的进步是什么？** **钱主任：** 确实，早期的 AI 筛查多聚焦于眼底照相的自动判读，如今已扩展到基于眼轴长度、角膜曲率、屈光度等多模态数据的综合风险分层。我们团队联合理工大学开发的深度学习模型，不仅能识别是否近视，还能基于 3 年队列数据预测发展为高度近视的风险，AUC 达到 0.92。去年在 APAO 会议上，我们汇报了该模型在社区筛查车上的部署效果，筛查效率提升了 40%，且减少了转诊假阳性率。  **记者：大数据在其中的作用是什么？** **钱主任：** 大数据是 AI 模型的燃料。我们整合了全市 50 余万青少年的视力档案，结合环境因素如户外活动时间、近距离用眼时长、光照暴露等，构建了动态近视预测引擎。与传统的回归模型相比，深度学习可捕捉非线性关系，比如我们发现，当每天户外活动时间超过 2 小时，近视发生风险并非线性下降，而是在 1.5 小时后出现加速保护效应。这为公共卫生倡导提供了更精细的依据。 **记者：临床中如何平衡新技术与传统视光服务？** **钱主任：** 视光中心的转型离不开 AI 赋能，但核心仍是专业验配与长期管理。我们正试点“AI 预检 + 专家复核”模式：患者完成自助式视力、眼轴、角膜地形图等采集后，AI 生成初步干预建议，包括离焦镜片、角膜塑形镜或低浓度阿托品的联合方案推荐，最终由视光师确认。这既保障了效率，又坚守医疗安全底线。近期《中华眼科杂志》也刊发了相关专家共识，强调了 AI 工具的验证与监管。 **记者：VR/AR 设备的普及对视觉健康带来挑战，AI 能做什么？** **钱主任：** 虚拟现实设备确实增加了视疲劳与近视进展风险。我们正利用眼动追踪大数据分析 VR 使用时的调节与集合模式，已申请科研基金，目标是通过 AI 实时调整光学参数，减少中枢性视疲劳。这是“干眼门诊”与“近视管理”交叉领域的新方向，国际上已有少量研究，我们希望能拿出本土化方案。 **记者：对未来有何展望？** **钱主任：** 未来是“数据驱动、全程管理”的时代。从新生儿眼病筛查到老年黄斑变性，AI 将贯穿全生命周期眼健康。视光中心必须培养懂 AI 的复合型人才，我们已启动与大学联合的“智慧视光”培训项目。同时，期待更多跨学科合作，让视光服务真正融入分级诊疗，成为眼健康的守门人。