在近期召开的全国眼科学术会议上，国家近视防控政策持续强化，考核指标进一步细化，基层眼保健服务能力成为焦点。作为眼底影像与人工智能领域的专家，褚教授就AI质控、眼底成像在近视管理中的应用，以及视光服务下沉的挑战与路径，接受了本栏目专访。
**问：褚教授，您好！感谢接受采访。当前国家近视防控政策持续推进，您如何看待眼底成像和AI在其中的角色？**
**褚教授：** 近视防控已上升为国家战略，政策从筛查覆盖率、建档率到干预率都设定了明确目标。然而，单纯依赖视力表检查或电脑验光远远不够，尤其对于高度近视并发症的早期发现。眼底成像，特别是超广角眼底照相和OCT，能够捕捉视网膜周边变性、脉络膜萎缩等关键改变。AI技术的引入，使得眼底影像的判读从依赖少数专家转变为可复制的质控工具。例如，我们团队开发的AI模型在眼底图像质量评估和病灶识别上，敏感性和特异性均超过90%，能够有效过滤低质量图像，减轻阅片负担，提升筛查效率。
**问：您提到了AI质控，那么在基层落地时，如何保证数据的规范性和互联互通？**
**褚教授：** 这确实是难点。基层视光中心和社区卫生机构设备参差不齐，操作人员水平不一。我们正在推动两项工作：一是标准化眼底影像采集流程，制定详细的操作指南，并通过AI实时反馈拍摄质量，不合格当场重拍；二是建立区域性的眼底影像数据库，打通数据孤岛，让筛查数据能够与医院诊疗系统对接，实现闭环管理。去年我们在一个县级市试点，通过AI辅助筛查了2万余名中小学生，眼底异常检出率提高了35%，同时转诊效率提升了近一倍。
**问：视光服务下沉是近年来的热点，您认为数字化和AI如何赋能基层眼保健？**
**褚教授：** 基层眼保健的核心是人才短缺。利用远程视光和AI辅助诊断，可以让上级专家远程指导基层医生，同时AI可以作为“第一读者”提供初步判断。比如，我们研发的远程验光系统结合AI瞳距测量和屈光预测，在乡镇卫生院的测试中，与主观验光结果的等效球镜差异在±0.50D以内的比例达到85%。此外，通过云平台，我们可以对基层的筛查数据进行集中质控和统计分析，为当地卫生决策提供依据。
**问：对于当前热门的低浓度阿托品和角膜塑形镜，您从眼底健康角度有何建议？**
**褚教授：** 这两种干预手段效果明确，但必须规范应用并加强监测。低浓度阿托品长期使用对瞳孔和调节功能有影响，需要定期检查眼压和眼底；角膜塑形镜则需关注角膜内皮和眼表健康。更重要的是，在开始干预前，建议进行全面的眼底检查，排除周边视网膜病变等潜在风险。我们在一项多中心研究中发现，约3%的拟配镜儿童存在不同程度的周边视网膜变性，其中部分需要激光治疗。因此，将眼底影像纳入干预前的常规评估，不仅能保障安全，也能为个性化方案提供依据。
**问：展望未来，您认为眼底影像与AI在近视防控中的发展方向是什么？**
**褚教授：** 一是从单纯的筛查向风险预测和个体化干预迈进。结合基因、环境、眼底影像和屈光数据，构建多模态AI模型，预测近视进展速度和并发症风险。二是推动可穿戴设备和家用监测，比如基于智能手机的眼底相机，实现居家眼底自检，数据上传云端由AI分析。三是加强基层视光师的培训，使其不仅会操作设备，还能解读AI报告并与患者有效沟通。最终目标是构建一个覆盖“筛查-诊断-干预-随访”的全生命周期眼健康管理体系，让每个孩子都能享有清晰、健康的视觉未来。
**问：感谢褚教授的精彩分享！**
**褚教授：** 谢谢！希望全社会共同努力，守护孩子们的光明未来。