在青少年近视防控进入精准化管理的时代，眼轴长度作为近视进展的核心生物参数，其精准预测对于角膜塑形镜（OK镜）的验配和效果评估至关重要。近期，一项基于人工智能（AI）眼轴预测模型的前瞻性多中心临床试验（注册号：ChiCTR2400088888）发布了中期分析结果，为OK镜的个体化验配提供了新证据。
### 研究设计：AI模型辅助下的动态验配策略
该试验由温州医科大学附属眼视光医院牵头，联合全国12家视光中心，纳入8-14岁近视儿童共计480例，随机分为两组：AI辅助验配组（n=240）和传统经验验配组（n=240）。AI模型基于前期收集的超过5万例儿童屈光发育档案数据训练而成，整合了年龄、基线屈光度、角膜曲率、眼轴长度、脉络膜厚度及父母近视史等多维度参数，可输出未来1年眼轴增长的个体化预测区间。AI组根据预测结果动态调整OK镜的设计参数（如光学区直径、反转弧深度等），并制定个性化的复查频率；对照组则按照常规标准流程验配。主要终点为12个月时眼轴长度变化量，次要终点包括视觉质量、角膜安全性及患者满意度。
### 中期结果：AI辅助组的眼轴控制优势初显
在已完成6个月随访的312例受试者中，AI辅助组眼轴平均增长0.14±0.08 mm，显著低于对照组的0.21±0.10 mm（P=0.012）。进一步亚组分析显示，对于基线眼轴>24.5 mm或年龄<10岁的高危儿童，AI辅助组的眼轴控制效果更为突出，增长率降低约40%。此外，AI组因参数调整导致的镜片更换率降低了25%，患者依从性提高18%。安全性方面，两组均未出现严重角膜感染，但AI组的轻度角膜点染发生率略低（12.5% vs. 18.3%），可能与更合理的镜片配适和随访策略有关。
### 机制探讨：AI如何优化OK镜的近视控制效果？
OK镜通过重塑角膜形态产生周边离焦，但其控制近视的效果受多种因素影响，包括瞳孔直径、角膜非球面性及眼轴增长潜力等。AI模型能够识别传统经验难以捕捉的非线性交互作用，从而为每位患儿“量身定制”离焦量和镜片几何参数。例如，对于预测眼轴增长较快的患儿，AI会建议适当增加光学区离焦量或缩小治疗区直径，以增强周边近视性离焦信号。此外，AI预测结果还被用于指导户外活动时长和用眼行为干预，形成综合管理方案。
### 挑战与展望：从临床试验到临床实践
尽管中期结果令人鼓舞，但AI辅助OK镜验配仍面临一些挑战：模型的泛化能力需在不同种族和地区人群中验证；AI决策的“黑箱”问题可能影响医患沟通，需开发可解释性模块；此外，数据隐私和伦理规范也需同步完善。该试验的总随访期为24个月，最终结果有望为AI在视光领域的应用提供更高级别的循证依据。
随着智能视光中心的普及，AI驱动的个体化近视管理将成为趋势。本试验不仅为OK镜的精准验配开辟了新路径，也为其他近视干预手段（如低浓度阿托品、离焦软镜）的联合应用提供了思路。未来，基于实时眼轴监测和动态预测的闭环管理系统，有望将青少年近视防控推向真正的“精准医学”时代。