国自然基金蓝海：从AI学习模型到眼视光“数字处方”的政策驱动逻辑

在眼视光领域从“经验驱动”向“数据驱动”转型的当下，国家自然科学基金（简称“国自然”）的政策导向正悄然开辟一片新蓝海。相较于传统的人工晶体、手术设备等硬件资助方向，近两年基金委在视觉信息处理、数字疗法、近视智能化防控等软科学及交叉领域的立项比重显著上升，形成了从“耗材研发”到“算法创新”的资助战略转移。 这一转向背后，是青少年近视防控国家战略与AI技术成熟度的双重催化。2023年度国自然眼科学部立项统计显示，“深度学习辅助近视进展预测”、“基于眼轴参数的个体化防控决策模型”等课题中标率大幅提升。以温州医科大学附属眼视光医院团队为例，其申请的“多模态数据融合的儿童近视风险分层模型”成功获得面上项目资助，该模型整合了屈光档案、用眼行为传感器数据和眼底图像，旨在输出一套动态的“视觉健康数字处方”，而非单一的光学矫正方案。 所谓“数字处方”，是指通过AI算法对个体近视发展趋势进行量化评估后，生成包含户外活动时长建议、低浓度阿托品用药节点、角膜塑形镜验配参数等在内的个性化干预组合。这一概念正从科研构想加速迈向临床落地，其背后离不开基金政策对“临床转化研究”的倾斜。2022年出台的《国家自然科学基金“十四五”发展规划》明确将“基于人工智能的疾病预测模型与干预策略”列为医学科学部优先资助领域，而眼科作为AI影像分析应用最为成熟的专科之一，自然成为政策红利的主要受益者。 值得注意的是，国自然对数字疗法研究的支持并非孤立的虎头蛇尾，而是与药监、医保等监管体系形成联动。以低浓度阿托品为例，该药品虽已获得院内制剂身份，但其长期安全性和标准化使用仍缺乏大数据支撑。对此，北京同仁医院团队在国自然资助下，正在开展一项联合角膜塑形镜的多中心真实世界研究，旨在为监管部门制定“数字+药物”联合干预指南提供证据。该项目同时对接国家药监局真实世界数据应用试点，充分体现了科研基金与政策落地的闭环设计。 基金政策的另一大动向是对视光大数据平台建设的隐性支持。尽管申报指南中并未单列“平台建设”条目，但众多获批面上和重点项目均内嵌了数据标准化和共享机制组件。例如，中山大学中山眼科中心所获国自然联合基金项目“基于联邦学习的多中心近视筛查AI模型”，技术上实现了“数据不动算法动”，既符合个人信息保护法规，又解决了数据孤岛难题，为视光连锁机构的信息化合规提供了范式。 在学术交流层面，国自然资助的成果也为眼视光继续教育注入了新内容。2024年全国眼视光学术大会专设“数字眼视光与基金申报”论坛，不仅解读最新资助方向，还展示成果如“眼底病变AI辅助诊断系统”，该系统已在多个省级视光中心部署，显著提升了基层筛查的同质化水平。而这些系统在深化医改、DRG/DIP支付方式改革中，因其能提升眼科疾病管理的成本效益，越发受到医院管理者的重视。 此外，基金对基础研究的持续投入也在酝酿下一轮临床突破。近视机制研究方面，复旦大学附属眼耳鼻喉科医院课题组关于“巩膜缺氧-近视信号通路”的工作，连续获得国自然重点支持，其成果不仅阐释了低浓度阿托品可能的作用靶点，也为研发新型非药物干预手段铺平了道路。这恰恰呼应了趋势分析中“国家自然科学基金持续加大对视觉损伤与修复、近视机制等方向支持”的判断。 总而言之，当前国自然基金政策正精细塑造着眼视光领域的科研生态：从对AI筛查、数字处方等应用型研究的直接资助，到对近视机制、视光大数据等基础性研究的长期培育，再至与药品监管、医保支付的协同配套，一个多层次、全链条的资助体系已显轮廓。对从业者而言，只有读懂基金指南字里行间的政策信号，才能在科研申报和临床转化中找准“政策风口”，将前沿科学最终转化为青少年眼前的清晰“视”界。