政策引领与AI多模态影像：青少年近视防控的校园筛查与视光中心协同新路径

近年来，我国青少年近视率居高不下，已成为关系国家未来的重大公共卫生问题。国家卫健委等多部门连续出台政策，要求建立儿童青少年视力健康电子档案，严格落实学生健康体检和每学期2次视力监测制度。在此背景下，如何高效、精准地开展大规模校园筛查，并将筛查数据与后续干预管理有效衔接，成为视光行业面临的核心挑战。影像技术的突破与人工智能（AI）的融合，正为这一难题提供创新解决方案。 传统校园筛查多依赖视力表与电脑验光，存在效率低、数据碎片化、难以追踪等痛点。近年来，便携式自动验光仪、手持式眼底相机、以及集成AI分析功能的视力筛查系统逐渐普及。例如，部分省市试点引入“AI+眼底照相”模式，学生只需拍摄一张眼底照片，系统即可在数秒内自动评估近视风险、眼底健康状况，并生成个性化报告。某视光中心联合教育部门在3个月内完成5万余名学生的筛查，AI模型对高度近视视网膜病变的检出敏感度达92%，显著优于人工初筛。 然而，校园筛查仅是起点，真正的挑战在于后续的精准干预与长期管理。视光中心作为承接筛查转诊的关键节点，需要标准化、可量化的影像评估体系。目前，扫频OCT（光学相干断层扫描）在视光中心的应用日益广泛，它不仅能精确测量眼轴长度、角膜曲率等近视相关参数，还能清晰显示脉络膜厚度、视网膜各层结构。研究表明，脉络膜变薄是近视进展的独立危险因素，OCT提供的脉络膜厚度数据可作为制定个性化干预方案的客观依据。 更进一步，AI多模态影像融合技术正在打通筛查与管理的闭环。通过将校园筛查的眼底图像、屈光数据与视光中心的OCT影像、眼轴测量等数据进行整合，构建包含结构、功能、遗传等多维度的近视风险预测模型，可实现从“群体筛查”到“个体化预警”的跃升。例如，某科研团队基于上千名儿童的OCT影像、眼轴数据和用眼行为数据，训练深度学习模型预测未来2年近视进展速度，AUC达0.87，为临床提前干预提供了有力工具。 政策层面，《儿童青少年近视防控适宜技术指南》明确要求建立视力健康档案，并鼓励采用信息化手段。这为影像数据的标准化采集、互联互通提供了政策支撑。未来，视光中心应积极拥抱AI影像技术，推动校园筛查与临床干预的深度协同，构建“筛查-诊断-干预-随访”的全周期眼健康管理体系。唯有如此，才能将国家政策落到实处，真正扭转青少年近视高发态势。