随着2025年《全国青少年近视防控光明行动方案》的深入实施，高度近视及其并发症的防控已成为眼健康领域的核心议题。人工智能算法正从单一的影像筛查向多模态数据融合、疾病风险预测和个性化干预方向演进。本文探讨多模态AI算法如何整合OCT、眼底照相、基因和用眼行为数据，实现高度近视脉络膜新生血管等致盲并发症的精准预测，并驱动低浓度阿托品、角膜塑形镜等干预手段的智能匹配。
## 从单模态到多模态：数据融合的趋势
传统AI眼科筛查主要依赖眼底彩照或OCT图像的单模态分析。然而，高度近视的病理机制复杂，涉及遗传、环境和生物力学多因素交织。2025年Vision China国际论坛上，多模态AI成为热点，其能同步处理OCT层厚图、OCTA血流密度、患者基因多态性及环境行为数据，构建更全面的风险画像。例如，中山眼科中心最新研究显示，一个融合3D OCT与基因组数据的多任务Transformer模型，将高度近视患者5年内发生黄斑劈裂的预测AUC提升至0.93，远超仅用影像的0.85。
## 算法核心：因果发现与动态风险建模
多模态AI不仅仅是数据的叠加，关键在于通过因果图神经网络推断近视进展与并发症之间的因果路径。不同于传统的相关性分析，算法能从纵向队列数据中自动发现干预节点，例如“户外活动时间→脉络膜厚度→巩膜缺氧”的调节机制。这为低浓度阿托品的精准用药提供了依据：基于患者的基线脉络膜厚度和用眼模式，模型可预测不同浓度（0.01%、0.05%）的延缓效果，避免“一刀切”用药。
## 临床转化：可视化与可解释性挑战
在视光中心标准化服务中，多模态AI的决策必须可解释。目前有研究采用视觉-语言大模型，将复杂的特征交互转化为医生可理解的推理报告。例如，系统可标注“该患儿由于SCO2基因变异及日均近距用眼>8小时，脉络膜薄变风险增加，建议优先考虑后巩膜加固术联合户外干预”。这种从“黑箱”到“白盒”的转变，符合《视光中心服务规范》团体标准中对验配决策透明度的要求。
## 未来展望：从被动治疗到主动防控
随着智能可穿戴设备普及，多模态AI将接入实时用眼距离、光线强度和心率变异性等流数据，形成持续的风险监测与微调系统。当模型预测未来一周眼轴增速可能异常时，会主动向家长手机推送干预建议，真正实现近视防控的“算法哨兵”角色。这一路径已写入教育部近视防控指南的智能化升级草案，预示着AI算法将成为视光医生不可或缺的“决策副驾驶”。
总之，多模态AI算法正在重塑高度近视并发症的管理范式，通过深度整合影像、基因和行为数据，驱动防控策略从群体化走向精准化、个性化。