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 随着国家近视防控政策的深入推进，校园视力筛查已成为常态化工作。然而，传统筛查存在数据分散、反馈滞后、人工判读误差等问题。近年来，人工智能（AI）技术为校园筛查的数字化转型提供了新可能。本研究旨在评估数字化校园筛查系统结合远程AI预警在儿童青少年近视防控中的应用效果。 ## 研究设计 本研究为多中心、前瞻性、整群随机对照试验，纳入12个城市36所中小学，共24,000余名学生。学校被随机分为数字化筛查组和传统筛查组。数字化筛查组使用便携式智能视力筛查仪，数据实时上传云平台，AI算法自动分析并生成个体化预警报告；传统筛查组采用常规E字表检查，纸质记录后人工录入。两组均随访2年，主要结局指标为近视发病率及近视进展速度（等效球镜变化、眼轴增长）。  ## 结果 **筛查效率与准确性**：数字化筛查组单人次平均耗时1.2分钟，显著低于传统组的3.5分钟（P<0.001）。AI判读的视力结果与验光师复核的一致性达98.7%，误诊率仅为传统组的1/5。 **近视防控效果**：随访2年后，数字化筛查组近视发病率（12.5%）显著低于传统组（18.2%），风险比0.69（95% CI: 0.58-0.82）。数字化组学生眼轴平均增长0.31mm，低于传统组的0.42mm（P<0.001）。 **干预及时性**：数字化筛查组从筛查到家长收到预警报告的中位时间为0.5天，传统组为7天。数字化组中，85%的高危学生（远视储备不足或疑似近视）在预警后1个月内就诊，而传统组仅为32%。 ## 讨论 本试验证实，数字化校园筛查与AI预警系统能显著提升筛查效率和准确性，并通过快速反馈促进早期干预，有效降低近视发病率。该系统可整合到现有视光中心网络，实现筛查、预警、转诊、随访的闭环管理，为近视防控提供高效工具。AI预警模型基于眼轴、屈光度、视力和行为问卷等多维数据，预测近视发生风险，个体化推送户外活动建议和就诊提醒。 ## 结论 数字化筛查与远程AI预警是可行的近视防控策略，建议在有条件的地区推广应用，并纳入视光中心常规工作流程。未来需进一步验证其在更广泛人群中的效果并优化AI算法。