在近视防控上升为国家战略的当下，人工智能正从学术论文加速走进视光门诊的日常。近日，多场眼科与视光学术会议上，基于大语言模型的眼科AI应用成为焦点。与早期仅能识别眼底照片的“单任务AI”不同，新一代眼科大模型已能综合分析屈光数据、眼轴长度、角膜地形图和用眼行为日志，为近视管理提供个性化的初始方案建议。
以某视光连锁机构近期试点的系统为例，AI能根据8-14岁儿童最近一年的眼轴增速、父母近视史、日均户外活动时长，自动推荐离焦镜片设计类型或角膜塑形镜的试戴参数，并预警未来一年的近视进展风险。在内部验证中，该系统对高度近视风险预测的AUC值达到0.89，已接近高年资视光医师水平。这背后是数万份脱敏电子病历和千万级时序数据的训练。
然而，AI的真正价值并非替代医生，而是解决视光服务中的“决策不一致”痛点。目前基层视光中心的近视管理方案高度依赖验光师个人经验，同一患者在不同机构可能得到截然不同的建议。AI通过将《儿童青少年近视防控适宜技术指南》等规范转化为可计算的规则引擎，能推动标准化干预。北京同仁医院视光中心的一项对照研究显示，引入AI辅助决策后，初诊近视儿童的干预方案与专家共识的符合率从72%提升至95%。
技术突破还在延伸。多模态大模型正尝试融合OCT图像与问卷文本，对高度近视黄斑病变进行早期预警；而结合生成式AI的数字人“视光咨询师”已在社区筛查场景中试点，能以方言进行护眼科普和随访提醒，缓解人力不足。但专家们也发出警示：AI模型必须建立在循证医学基础上，避免“黑箱”决策，且所有建议需经专业技术人员确认。随着《人工智能医疗器械注册审查指导原则》的完善，眼科AI正从“辅助筛查”迈向“辅助决策”的新阶段，为全生命周期视觉健康管理注入数智动能。