近年来，青少年近视防控已成为国家公共卫生战略的重要议题。从教育部联合多部委印发的《综合防控儿童青少年近视实施方案》到各地落地细则，政策导向正推动防控手段从单一光学矫正向多模态联合干预转型。其中，角膜塑形镜（OK镜）与低浓度阿托品的联合应用备受关注，但如何优化个体方案、预测控制效果仍是临床难点。AI技术的介入，正为这一协同治疗提供精准导航。
## 从经验配伍到数据驱动
传统近视防控中，OK镜验配依赖试戴评估和角膜地形图人工判读，阿托品浓度选择则多基于年龄与屈光度粗略分层，两者联用时往往缺乏量化协同模型。AI通过整合大规模临床数据，构建了“屈光发育-眼轴增长-角膜形态”多模态预测平台。例如，上海某眼病防治中心联合高校团队，利用深度学习分析3267例青少年OK镜佩戴联合0.01%阿托品治疗的纵向数据，实现了12个月后眼轴增长的个体化预测，AUC达0.91。
## AI的闭环逻辑：预测、监测、调整
AI在联合方案中的作用贯穿全周期：
- **验配阶段**：基于角膜地形图、眼压、瞳孔直径等参数，AI推荐最适配的镜片设计（如环曲面设计、控制区直径），并模拟泪液交换与离焦分布，减少反复试戴。
- **联合决策**：依据基线眼轴长度、年龄、父母近视史及用眼习惯数据，AI模型输出初始阿托品浓度建议（0.01%至0.05%），并预估联用后屈光度变化斜率。
- **随访管理**：通过智能穿戴设备或定期复查数据，AI动态评估眼轴增长轨迹，若偏离预测区间，及时触发方案调整，如增加阿托品频次或切换为离焦软镜。
一项2024年发表于《中华眼科杂志》的多中心研究显示，AI辅助联合治疗组在6个月时眼轴增长较常规经验组减少0.08 mm，且视觉相关生活质量评分更高，表明AI精细调节可兼顾疗效与舒适度。
## 技术路线：生成式AI与数字孪生
前沿探索中，生成对抗网络（GAN）被用于生成角膜塑形后的模拟荧光素图，帮助医生预判镜片定位与泪液循环，优化逆几何设计参数。而数字孪生技术则构建眼球生长模型，在虚拟环境中测试不同阿托品停药方案，避免反弹效应。这些工具的临床转化正从实验室走向视光中心。
## 挑战与展望
AI在近视防控中的落地仍面临数据异构、模型可解释性不足等挑战。此外，OK镜护理产品、用眼行为等多因素混杂，需要更完善的电子健康记录系统。未来，随着国家近视防控大数据平台的建设，AI有望实现全生命周期眼健康管理——从学龄前远视储备监测到青春期近视控制，无缝衔接屈光手术时机判断。
AI不是替代医生，而是赋予其更敏锐的“数字感官”。当角膜塑形镜与阿托品的组合被AI精准调谐，我们离“不近视、迟近视、低近视”的理想图景又近了一步。