在青少年近视防控上升为国家战略的背景下，传统眼底筛查手段面临分辨率与功能信息的双重局限。多光谱眼底成像技术通过多个窄带光谱通道，可分层捕捉视网膜脉络膜不同深度的结构信息，结合AI算法，为近视相关眼底病变提供了全新的早期预警维度。
## 传统眼底筛查的瓶颈
常规彩色眼底照相虽然便捷，但在早期近视性黄斑病变、脉络膜萎缩等细微改变上敏感性不足。OCT虽然能提供高分辨率断层结构，但无法直接反映组织的生化成分变化。多光谱成像恰好弥补了这一空隙：它利用不同波长光在视网膜组织中的穿透深度差异，获得从内层视网膜到脉络膜的分层图像。例如，绿光波段可突出视网膜神经纤维层和血管，红光波段则更易显示脉络膜血管和色素改变。
## 多光谱特征与近视并发症
研究显示，高度近视眼的脉络膜厚度变薄、血管密度降低，通过多光谱的特定波段可早期发现脉络膜大血管暴露、局灶性萎缩等改变。某些光谱下，早期漆裂纹、脉络膜新生血管（CNV）的渗漏区域会呈现特征性信号。结合AI分析这些多光谱特征，可构建风险预测模型，在OCT尚未显示明显结构破坏前即发出预警。
## AI赋能的临床应用场景
在校园筛查和视光中心，多光谱设备便携、非接触、无需散瞳，适合大规模采集。AI算法自动对多光谱图像进行分割、特征提取和分类，输出风险分级。例如，某视光中心应用该技术后，对500名10-15岁近视学生进行筛查，AI识别出12例早期脉络膜萎缩趋势，经OCT和OCTA随访证实，其中5例已出现脉络膜变薄但尚未达到临床诊断标准，从而实现了提前干预。
## 挑战与展望
多光谱成像的标准化和解读复杂性是推广的主要障碍。不同设备间的光谱通道存在差异，需要建立统一的图像采集和质控规范。AI模型必须通过多中心、大样本数据进行训练和验证，以提高泛化能力。未来，结合OCT、OCTA和遗传信息的综合影像组学，有望构建更为精准的近视眼底病变预测模型。
多光谱眼底成像与AI的联合，正推动青少年近视防控从“视力筛查”向“眼底健康风险管理”转变，为延缓近视进展、预防不可逆盲症提供创新技术支撑。