近年来，近视已成为全球性的公共卫生问题，尤其在我国，高度近视引发的眼底并发症——近视性黄斑病变（Myopic Maculopathy），已成为导致不可逆视力损伤的主要原因之一。传统的眼底检查往往在病变已发生结构性损伤时才能发现，而光学相干断层扫描（OCT）技术的飞速发展，为我们打开了一扇观察视网膜微观结构的“窗”。然而，如何从海量OCT图像中挖掘出预测病变进展的“数字生物标志物”，仍是临床难点。
当前，OCT影像组学与人工智能（AI）的结合正成为眼科研领域的热点。影像组学可从OCT图像中高通量提取脉络膜厚度、视网膜色素上皮（RPE）层起伏度、 Bruch膜开口形态等数千个定量特征。通过构建机器学习模型，联合患者的屈光度、眼轴长度等临床参数，能够实现近视性黄斑病变进展风险的个体化预测。例如，近期在《Ophthalmology》等高质量眼科期刊上发表的研究表明，基于OCT的深度学习模型可提前识别弥漫性脉络膜视网膜萎缩向斑片状萎缩转化的高危区域，其AUC值可达0.90以上。
这些技术进展不仅是学术层面的突破，更与视光中心的临床实践紧密相连。在青少年近视防控体系中，角膜塑形镜（OK镜）的验配常规需要监测角膜厚度和内皮细胞，而通过高分辨率OCT分析周边屈光度和脉络膜厚度变化，可优化OK镜的防控效果评估，并为“近视管理”提供更全面的依据。同时，国际眼科学术会议（如ARVO、APAO）上，此类跨学科研究频繁亮相，催生了大量国际合作与数据共享项目。
此外，AI与OCT的结合正在推动眼视光人才的培养模式变革。未来的视光师不仅需要掌握验光配镜技能，更要具备解读OCT影像、理解AI辅助诊断逻辑的能力。视光教育正逐步融入人工智能、大数据分析等课程，以培养新一代“眼健康管家”。
当然，要让这些前沿技术真正落地于基层视光中心和校园筛查网络，还面临数据标准化、算法泛化性以及伦理合规等挑战。但可以预见，OCT影像组学和AI的协同，将把近视防控从“视力矫正”推向“眼底健康全周期管理”的新阶段，为亿万青少年守住清晰“视界”的最后一道防线。