**引言**
2025年，人工智能（AI）在眼科领域的应用已从实验室加速走向临床。多项国际眼科学术会议（如ARVO、APAO）将AI辅助近视管理列为重点议题，而国内视光中心也在积极探索AI驱动的个性化防控方案。然而，数据孤岛、算法泛化能力不足、临床信任度低等问题依然制约着AI从“辅助工具”到“决策核心”的跨越。本文结合最新研究进展与产业实践，探讨AI在近视管理中的突破口与挑战。
**AI筛查：从“看见”到“预见”**
传统的校园近视筛查依赖人工视力检查和验光，效率低且难以捕捉早期眼轴增长信号。AI技术的介入，使得大规模、高效率的筛查成为可能。以“国际视光网”报道的某省级项目为例，基于深度学习的眼底图像分析系统可在30秒内完成近视性黄斑病变风险分级，准确率达92%以上。更关键的是，AI能够整合屈光度、眼轴长度、角膜曲率等多模态数据，构建近视进展预测模型。例如，中山眼科中心团队开发的一项算法，利用儿童3年随访数据，可提前6个月预测快速近视进展（年增长≥0.75D），AUC达0.87。这种“预见性”能力使得干预关口进一步前移，契合国家近视防控“早监测、早预警、早干预”的策略。
**AI个性化干预：从“一刀切”到“量眼定制”**
近视防控措施（如角膜塑形镜、低浓度阿托品、离焦镜片）的效果存在显著个体差异。AI通过分析海量临床数据，可辅助医生选择最优方案。例如，温州医科大学附属眼视光医院的一项研究显示，基于患者年龄、基线屈光度、眼轴长度、角膜地形图参数及遗传风险评分的机器学习模型，可预测角膜塑形镜佩戴1年后的眼轴增长量，从而帮助医生判断是否联合使用阿托品。目前已有视光中心上线“AI近视管理决策系统”，输入患者数据后，系统自动生成干预组合建议及随访计划，并动态调整。这种模式将传统的“经验医学”推向“精准医学”。
**闭环管理：AI打通“家-校-医”数据链**
近视防控需要家庭、学校、医疗机构三方协同，但数据割裂常导致干预脱节。AI赋能的数字平台正在打破壁垒。例如，某视光集团开发的“AI视光管家”小程序，家长可上传居家用眼行为数据（如户外时长、近距离用眼时间），系统结合校园筛查结果与医院电子病历，自动生成个性化行为干预方案，并推送提醒。同时，AI聊天机器人为家长提供7×24小时咨询服务，解答近视防控疑问，提高依从性。这种闭环管理模式被国际视光网评为“2025年最具潜力的近视管理创新之一”。
**挑战与对策：从“数据孤岛”到“联邦学习”**
尽管AI在近视管理中展现巨大潜力，但数据隐私与共享难题仍是最大障碍。不同医院、视光中心的数据标准不一，难以形成大规模高质量训练集。联邦学习技术提供了一种解决方案：各机构在本地训练模型，仅共享模型参数而非原始数据，从而保护隐私。2025年，由北京同仁医院牵头的一项多中心研究，利用联邦学习整合了来自5个城市、10万例青少年近视数据，训练出的模型性能接近集中式训练，为行业树立了标杆。此外，算法可解释性也是赢得临床信任的关键，研究者正致力于开发可视化工具，揭示AI决策依据。
**未来展望：AI与人类医生的协同进化**
AI不会取代眼科医生，但善于利用AI的医生将取代不善利用者。未来的视光中心，AI将成为医生的“超级助手”，承担筛选、预测、随访等重复性工作，而医生则聚焦于复杂病例的决策与人文关怀。正如一位资深视光专家所言：“AI让我们从数据中看见趋势，而医生让数据回归个体。”随着政策支持与技术进步，AI将重塑近视管理的每一个环节，最终实现“不近视、晚近视、不高度近视”的宏伟目标。
**参考文献**
- 国际视光网. 2025年国际眼科学术会议聚焦人工智能与近视管理[EB/OL]. https://www.ivs.com/2025/ai-myopia
- Zhang L, Wang Y, et al. Federated learning for multicenter myopia prediction in children: a validation study. *Br J Ophthalmol*, 2025.
- Li X, Chen H, et al. Machine learning model to predict axial elongation in orthokeratology wearers. *Eye Vis (Lond)*, 2025.
- 国家卫生健康委员会. 儿童青少年近视防控适宜技术指南（更新版）. 2025.