近年来，青少年近视防控已上升为国家战略，随着《综合防控儿童青少年近视实施方案》及“光明行动”的深入推进，校园视力筛查的覆盖面与频次大幅提升。然而，传统筛查模式依赖人工操作与纸质记录，存在效率低、数据碎片化、质控困难等痛点。影像技术，尤其是AI辅助的眼科影像分析，正成为破解这些难题的关键。
在筛查现场，便携式自动验光仪、眼底相机、甚至手持式OCT等设备采集的影像数据，通过AI算法实时进行屈光状态分析、眼底病变初筛及眼轴长度估算。例如，基于深度学习模型的眼底图像分析系统，可在秒级内识别豹纹状眼底、视盘倾斜等近视相关改变，并自动生成结构化报告。这些影像与数据经由标准化接口汇入区域电子健康档案平台，形成涵盖视力、屈光度、眼轴长度、角膜曲率等多维度的动态屈光发育档案。
以上海部分区县试点为例，通过部署AI眼底筛查一体机与云平台，学校筛查效率提升50%以上，且数据实时上传至市眼病防治中心，医生可远程复核，并对近视高危学生发出预警。同时，针对OK镜、离焦软镜等干预措施，影像评估亦发挥核心作用——角膜地形图引导下的验配评估、OCT监测角膜厚度与内皮细胞密度，确保了长期安全性。
然而，该路径仍面临影像采集标准化不足、不同设备数据互通障碍、AI模型泛化能力有限以及基层缺乏影像判读人才等挑战。未来需建立全国统一的儿童青少年眼科影像数据标准，推动多模态AI决策支持系统研发，并加强视光中心与学校、医院的信息化联动，最终实现从被动筛查到主动健康管理的跨越。
