专访周教授：从基因-环境交互到AI预测，近视发病机制与智能防控新范式

**近视防控进入精准医学时代，基础研究与数字技术如何双向赋能？** 在全国眼视光学术会议期间，本刊特邀著名眼科遗传学与公共卫生专家周教授，就国际近视发病机制研究前沿、基因-环境交互作用以及AI预测模型的临床转化进行深度解读。  **问：周教授，您团队近期在《Ophthalmology》上发表了一项关于近视基因-环境交互作用的研究，能否简要介绍主要发现？** **周教授**：好的。我们通过大规模队列研究发现，高遗传风险与近距离用眼时长存在显著的协同效应。在同等户外活动不足的情况下，携带多基因风险评分的儿童，其眼轴增长速率是低风险组的1.8倍。这提示我们，基因检测或许能帮助识别那些对环境因素更为敏感的“高危”儿童，从而进行更有针对性的早期干预。 **问：这些基础研究成果如何应用到临床防控中？** **周教授**：这正是“精准防控”的核心。未来，我们可以在校园筛查中整合多模态数据：不仅是屈光度、眼轴，还包括基因风险评分、用眼行为和环境光照监测。通过AI算法，我们正在构建一个动态的“近视预测模型”，它能够综合遗传背景、行为习惯和早期生物学指标，预测个体未来两年的近视进展概率和度数，这比单一指标更可靠。 **问：AI与大数据在眼科的应用是当前热点，您如何看待AI驱动的近视预测与临床决策？** **周教授**：目前，大多数AI模型仍基于传统的流行病学数据，缺乏遗传和分子层面的信息。我们正在尝试将多基因风险评分、脉络膜厚度变化等新型生物标志物纳入模型，使其成为一个动态更新的“决策支持系统”。比如，当系统预测一名高风险儿童采用框架眼镜防控效果可能不佳时，会优先推荐角膜塑形镜或联合低浓度阿托品方案。这需要前瞻性临床试验来验证，但无疑是方向。 **问：在您看来，视光中心应该如何布局，才能承接这些新技术？** **周教授**：视光中心要从单纯的验光配镜向“眼健康管理”转型。一方面，需要配备基因检测解读、AI报告分析等专业人才；另一方面，要建立标准化、可追溯的电子健康档案，整合从筛查、诊断到干预的全程数据，并与学术机构合作，持续优化模型。我们正在与多家视光中心合作，部署一套“智能视光管理系统”，它不仅能辅助验光师进行临床决策，还能自动生成个性化的近视防控方案，并跟进随访提醒。 **问：最后，请展望一下近视防控的未来趋势。** **周教授**：未来的近视防控必然是多学科融合的生态体系。政策层面，“光明行动”等国家战略将持续推动筛查全覆盖；科研层面，发病机制的破译将催生新型药物和光学干预手段；产业层面，数字化设备、AI软件和生物检测技术将无缝嵌入日常诊疗。医生和视光师的角色将转变为“数据驱动的健康管理者”，基于个体独特的生物学档案和实时行为数据，实施真正的精准干预。我们期待这一天早日到来。 周教授的分享为我们勾勒出一幅近视防控的未来蓝图：从基因解码到智能决策，每一步都更靠近个体化医疗的目标。