校园“明眸工程”与AI验光：2025视光服务下沉的实效与隐忧

![校园“明眸工程”与AI验光：2025视光服务下沉的实效与隐忧]() 2025年，随着青少年近视防控被明确纳入公共卫生重点项目，多地试点的“明眸工程”进入全面铺开阶段。与以往单纯筛查不同，今年的工程强调“筛查—预警—干预—随访”闭环管理，并借助AI技术提升基层服务效率。 以长三角某市为例，当地卫健与教育部门联合，在12所中小学建立“校园视光驿站”，配备便携式AI验光仪和眼轴测量设备。学生检查数据实时上传至区域视光云平台，系统根据眼轴增速、屈光变化等指标自动划分风险等级，并生成个性化建议。据该市疾控中心统计，实施一学期后，试点学校学生近视新发率较对照组下降4.3个百分点，转诊至专业机构的及时率提高32%。 然而，光鲜数据背后亦有隐忧。部分基层视光中心为追求效率，过度依赖AI结果而弱化人工复核，导致少数复杂屈光不正案例误判。某视光门诊曾接诊一名10岁儿童，AI筛查提示“轻度近视”，但散瞳后确诊为间歇性外斜视合并假性近视。这提示，AI应是辅助工具而非法官。 技术层面，2025年眼科AI已从单纯图像识别向多模态数据融合演进。除验光结果外，遗传风险、户外活动时长、用眼行为等参数被纳入预测模型，近视发生风险预测AUC值提升至0.87。但数据孤岛问题依然突出，校园、医院、家庭设备间信息难以互通，制约了AI模型的迭代优化。 政策端，教育部推动眼视光医学教育扩招与规范化培训，试图破解人才短缺。但短期内，基层视光师专业水平参差不齐，部分人员仅接受数周速成培训便上岗，难以胜任近视管理方案制定。某中部省份调研显示，县域视光机构中，具备医学背景的从业人员不足35%。 “明眸工程”的落地，本质是公共卫生服务下沉的试验。AI与远程技术降低了服务门槛，但若缺乏人才与质控支撑，则可能沦为“数据好看、实效有限”的形象工程。未来，需建立AI辅助筛查的行业标准，明确人机协同边界，并强化基层视光继续教育，让技术真正服务于人，而非制造新的健康不平等。