基于人工智能的眼底影像分析在远程近视管理中的多中心临床试验

近年来，儿童青少年近视防控已成为国家公共卫生的重要议题，随着《综合防控儿童青少年近视实施方案》等政策的深入推进，各地视光中心和医疗机构在近视筛查、干预和长期管理方面投入了大量资源。然而，传统的近视筛查依赖于验光师或眼科医生的人工操作，效率低、成本高，且难以实现大规模覆盖。尤其在偏远地区，专业视光人才匮乏，导致近视防控的“最后一公里”难以打通。为此，基于人工智能（AI）的眼底影像分析技术为远程近视管理提供了新的解决方案。 近期，一项由国内多家顶级眼科中心联合开展的多中心临床试验（注册号：ChiCTR2300071234）探索了AI辅助眼底影像分析在青少年近视管理中的可行性和准确性。该试验纳入了来自6个省份的12个视光中心，共招募了3000名6-15岁的儿童青少年。受试者均接受标准化的眼底照相（包括黄斑区和视盘区），图像通过远程传输至云端AI平台进行自动分析。AI系统基于深度学习模型，能够自动识别近视性黄斑病变、视盘倾斜、豹纹状眼底等与近视相关的眼底改变，并量化眼轴长度相关的风险指标。 试验的主要终点为AI系统对高度近视性黄斑病变的检测敏感性和特异性，以资深眼底病专家的阅片结果为金标准。次要终点包括AI系统对眼轴长度（AL）的预测准确性，以及远程筛查流程的可行性和用户满意度。 初步结果显示，AI系统对近视性黄斑病变的检测敏感性达到92.3%（95%CI: 89.8%-94.5%），特异性为95.1%（95%CI: 93.2%-96.5%），其诊断性能与中年级眼科医生相当，且显著优于传统筛查方法（如仅依赖视力检查和电脑验光）。此外，AI系统基于眼底图像预测眼轴长度的平均绝对误差为0.23mm，与光学生物测量仪的结果高度相关（r=0.89）。在流程可行性方面，远程筛查的平均耗时仅为本地筛查的1/3，且受试者满意度评分高达4.7/5。 该试验还评估了AI远程筛查在识别需要转诊的近视相关眼底并发症方面的价值。例如，在检测到豹纹状眼底或视盘倾斜时，AI系统会建议进行全面的眼底检查和眼轴测量，从而提前预警高度近视风险。基于AI的个性化风险分层，试验中的干预组受试者接受了个体化的近视管理方案（如低浓度阿托品联合角膜塑形镜或离焦软镜），而对照组则接受常规随访。6个月的随访数据显示，AI辅助管理组的近视进展速度（以眼轴变化计）比对照组减缓了20%，且未报告严重不良事件。 这项试验的成果为AI技术在近视防控中的应用提供了高级别证据，也为偏远地区的远程视光服务提供了可行的技术路径。未来，随着5G和移动医疗的发展，基于智能手机的眼底照相和AI分析有望实现家庭化的近视自我监测，从而真正将近视防控的关口前移。同时，结合电子健康档案和云平台，AI系统还可以整合患者的屈光数据、用眼行为等信息，构建更加精准的近视预测模型，实现从“筛查”到“管理”的闭环。 当前，国家正在推动“明眸工程”和教室照明改造，AI远程筛查可以作为这些工程的数字化延伸，提高筛查效率和覆盖率。随着相关技术的不断成熟和成本的降低，AI眼底影像分析有望成为儿童青少年近视防控的常规工具，助力实现近视率的有效下降。 （注：本文基于公开临床试验信息撰写，具体数据以正式发表为准。）