# 专访贾教授：人工智能与大数据在视光筛查和近视预测中的最新突破——从算法到临床落地
**采访对象：** 贾教授，国内知名眼科与计算机科学交叉学科专家，长期致力于人工智能在视觉健康领域的应用研究。
**采访背景：** 随着《“十四五”全国眼健康规划》的深度推进，青少年近视防控已上升为国家战略。如何利用数字化技术提升筛查效率和预测精准度，成为行业焦点。在2025年初的全国眼科学术会议上，贾教授团队发布了基于多模态数据的近视进展预测模型，引发广泛关注。本次访谈将深入探讨AI与大数据如何重塑视光筛查和近视预测的新格局。
---
**记者：贾教授，感谢您接受专访。首先请您介绍一下，近年来人工智能在视光筛查领域取得了哪些突破性进展？**
**贾教授：** 很高兴有机会交流。过去，校园视力筛查主要依赖传统灯箱视力表和电脑验光仪，不仅耗时耗力，而且数据维度单一。现在，我们利用深度学习技术，可以仅通过一张眼底照片，自动识别出视盘、黄斑、血管等关键结构，并精确测量杯盘比、视网膜神经纤维层厚度等参数，这对于早期发现高度近视眼底病变意义重大。此外，结合眼轴长度、角膜曲率等数据，AI可以构建更全面的屈光发育档案。
**记者：那您团队开发的近视进展预测模型，与传统方法相比有何优势？**
**贾教授：** 传统预测多基于单次检查数据和简单的线性回归，难以应对个体差异和复杂的环境因素。我们构建了基于Transformer架构的时序预测模型，可以整合多年的视光检查数据、遗传信息、户外活动时长、近距离用眼行为等多维数据，预测未来1-2年近视进展的风险。
**记者：这个模型的准确率如何？有没有实际应用的案例？**
**贾教授：** 在内部测试中，模型预测近视快速进展的AUC值（曲线下面积）达到0.89，高于传统方法的0.72。目前，我们正与多个视光中心合作，将模型嵌入其管理系统中。例如，在东部某视光中心，对500名近视儿童进行风险分层管理后，中度以上近视发生率在一年内下降了15%。系统会根据预测结果自动推荐个性化干预方案，如强化户外活动、调整光学矫正方式等。
**记者：新技术在基层推广时，常面临人才短缺和数据孤岛问题。您认为应如何处理？**
**贾教授：** 这正是我们努力的方向。我们开发了云端AI筛查平台，基层机构只需上传眼底照片和基础数据，平台即可自动生成结构化报告和风险评级，降低了对专业人员的要求。同时，我们推动建立跨区域的眼健康大数据联盟，在保护隐私的前提下，实现数据的标准化共享。目前已有超过100家视光中心接入，积累了百万级数据。
**记者：除此之外，近期还有哪些AI+眼视光的研究热点？**
**贾教授：** 一个是利用可穿戴设备（如智能眼镜、VR设备）实时采集用眼距离、光照强度等数据，结合AI动态调整干预措施。另一个是生成式AI在科普教育和视光培训中的应用，比如自动生成个性化近视防控动画和虚拟病人用于教学。这些都将推动视光服务向精准化、全周期管理演进。
**记者：最后，您对未来的视光数字化发展有何展望？**
**贾教授：** 未来，人工智能不会取代视光医生，但会极大赋能。我们期待形成一个“筛查-预测-干预-随访”的智能闭环，让每个孩子都拥有专属的视觉健康数字管家。同时，我们也呼吁政策制定者尽快出台AI医疗器械在视光领域的审批和监管指南，确保技术安全、合规落地。
**采访后记：** 贾教授的分享让我们看到，AI与大数据正逐步从实验室走向临床，为青少年近视防控注入新的科学动能。在安全、伦理框架下，技术与人性的结合，将是视觉健康未来的最优解。