在基层社区卫生服务中心，一台便携式AI眼底相机正为一位8岁儿童进行眼底筛查，几秒钟后，系统提示“视盘边界稍模糊，建议转诊”，同时自动生成一份包含眼底图像、屈光数据和风险评级的报告。这一场景，正成为越来越多基层视光服务的日常。随着国家近视防控政策的深入推进，AI辅助筛查和远程视光技术加速落地，不仅缓解了基层专业力量不足的困境，也推动了视光服务模式的深刻变革。
**AI筛查：从“视力表”到“眼底图”的跨越**
传统校园筛查主要依赖裸眼视力和电脑验光，难以发现早期眼底病变。而AI赋能的眼底筛查设备，结合深度学习算法，可以在短时间内完成眼底图像采集、质量评估和常见眼底异常（如视盘水肿、黄斑病变、豹纹状眼底等）的辅助识别。以温州某区为例，2025年上半年完成3.2万名中小学生的AI眼底筛查，发现眼底异常率高达7.8%，其中约30%为高度近视相关的视网膜脉络膜萎缩或视盘倾斜，远超既往人工筛查的检出水平。这些数据提示，AI眼底筛查能够有效前置高度近视并发症的发现窗口，为及时转诊和干预赢得时间。
**远程视光：打破地域壁垒的“云验光”与“云会诊”**
远程视光服务通过“基层检查、上级诊断”模式，让优质视光资源下沉。在四川凉山州，当地人民医院视光中心与省级眼科医院建立远程协作平台，基层技师在标准化流程下完成眼前节照相、眼压、眼轴测量和主觉验光，数据实时上传后由省级专家远程审核并出具处方。2025年第一季度，该平台完成远程验光配镜服务1800余例，屈光不正矫正准确率达96%，患者等待时间平均缩短2.5天。此外，针对复杂性屈光不正或疑似病理性近视患者，平台还提供视频会诊，专家可远程指导调节功能检查和双眼视功能分析，有效提升了基层诊疗信心。
**挑战与反思：数据质量、标准化与人文温度**
然而，技术推广并非一帆风顺。AI筛查的准确性高度依赖训练数据的多样性和设备的一致性，部分基层机构的图像质量不达标，导致算法误判或无法分析。远程视光也面临网络延迟、设备校准和患者信任度等问题。更重要的是，视光服务不仅是数据交换，更需要医患沟通和个体化关怀。一些基层技师反映，过度依赖远程报告可能削弱本地医生的独立判断能力，形成新的依赖。因此，在推进AI和远程视光的同时，必须加强基层人员培训，建立质量控制体系和反馈机制，确保技术工具服务于人，而非替代人的专业判断。
**未来展望：从筛查到全程管理，构建智能视光网络**
随着5G、物联网和人工智能的深度融合，视光服务有望实现从一次筛查到全程管理的闭环。例如，基层筛查数据可自动同步至区域眼健康大数据平台，结合学校、家庭和医疗机构的多方数据，构建儿童青少年屈光发育档案的动态更新和风险预警。未来，AI还可能辅助制定个性化近视管理方案，如预测不同干预措施（角膜塑形镜、离焦镜片、低浓度阿托品）的个体反应，提高治疗依从性和效果。
政策层面，国家卫健委正在推动“互联网+眼健康”服务规范，明确远程视光的资质要求、数据安全和技术标准。可以预见，AI眼底筛查与远程视光将成为基层近视防控的常规武器，但唯有坚守质量底线和人文内核，才能真正实现“技术普惠”与“服务升温”的双赢。