在青少年近视防控上升为国家战略的背景下，校园视力筛查作为早期发现、早期干预的首要关口，其重要性不言而喻。然而，一个长期被忽视的短板正制约着防控实效——筛查数据的“沉睡”与“孤岛”现象。每年春秋两季，全国数以亿计的学生接受视力检查，但大量数据仅以纸质报告或静态Excel表格的形式，分散在各个学校和社区卫生服务中心，未能有效转化为动态预警和个体化干预的决策依据。
这一痛点正在被逐渐打破。近期，随着国家近视防控适宜技术指南的更新和基层眼视光网络建设的加速，以“AI+大数据”驱动的视力筛查闭环管理模式，在多个试点地区展现出强大效能。以浙江省某地级市为例，该市依托区域视光中心，搭建了统一的儿童青少年眼健康数字平台。当学校完成筛查后，数据实时上传至云端，AI算法立即对远视储备不足、屈光参差、高散光及近视增长过快等风险进行自动标记和分级预警。系统不再仅仅输出裸眼视力，而是整合了眼轴长度、角膜曲率等核心生物参数，形成包含眼底照相在内的多维电子档案。
“过去，我们筛查完要把回执单手工发给家长，督促就诊的跟进工作几乎难以完成。现在，家长在手机上就能查看孩子完整的眼健康报告，并且系统会根据风险等级，自动推送由算法生成的个性化行为干预建议，比如增加户外活动时长、调整用眼模式等。这些教育处方是与临床干预处方并行的。”该市视光中心负责人介绍。更重要的是，平台打通了学校、家庭和视光中心（或眼科门诊）之间的信息壁垒。经筛查被标记为高风险的学生，其数据直接通过绿色通道转诊至协作的眼科医院或视光中心，实现“筛查-预警-转诊-干预-随访”的全链条闭环。
这一模式的背后，是眼科人工智能的深度介入。与直接替代医生进行诊断不同，当前眼科AI在筛查领域的核心价值体现在提质增效和风险分层。多项发表于《中华眼科杂志》等高被引期刊的研究证实，深度学习算法在识别病理性近视眼底改变、黄斑早期异常等方面的敏感性和特异性已可与资深眼科医生相媲美。通过部署在校园手持筛查设备或远程视光平台上的轻量级AI模型，可在几秒内完成对眼底图像的初筛，自动过滤出大量正常的儿童，极大地解放了专业眼科医生的精力，使他们能聚焦于真正需要深度介入的复杂病例。
基层视光网络的实体化建设是支撑这一闭环落地的硬件基础。根据国家卫健委的规划，将鼓励各地建设一批兼具筛查、健康教育、基础视光服务与初级眼病防治功能的社区视光中心，并与上级眼科医院形成紧密的技术协作体。这意味着，筛查点不再是一个流动的“检查摊”，而是拥有固定场所、配备数字化检查设备并能提供长期随访服务的“桥头堡”。当AI预警到一个孩子半年内眼轴增长超过0.2毫米时，基层视光师即可在社区视光中心启动低浓度阿托品或离焦框架镜等光学干预的初步沟通和适配，一旦发现非适用范围，则直接上转至医院眼视光专科。
这是一种典型的“分级诊疗”在眼健康领域的生动实践。它将高危人群的超额风险拦截在诊室之外，通过体系化的力量尽可能延缓甚至避免近视的发生与恶化。数字化，则是这个体系得以高效运转的粘合剂和加速器。以往数年都难以收集完整的区域近视率变化趋势，如今可实时呈现在管理者的大屏上，为公共卫生决策提供精准依据。
当然，我们也需正视挑战。数据的标准化、隐私保护和跨机构共享的合规性仍是需要持续完善的议题。不同品牌筛查设备的数据接口统一、AI算法的区域性适应性和持续迭代能力，都关乎这一模式的可持续性。但方向已然明确，孤立的数据点和行为正在被串联成一张动态、智能的防护网。从“每年一查、查完即走”到“实时预警、连续管理”，这场由数字技术和制度创新共同驱动的校园筛查变革，正将青少年近视防控的关口真正扎实地前移、筑牢。