在人工智能（AI）与远程医疗技术迅猛发展的浪潮下，眼科领域正经历着从筛查、诊断到随访管理的全链条数字化变革。尤其在近视防控全球化的背景下，AI驱动的眼底影像分析、远程验光、以及基于大数据的近视进展预测模型，正逐步从实验室走向临床和公共卫生实践。然而，技术的快速落地也带来了跨国数据流动、算法偏见、监管标准差异等新挑战，促使各国监管机构、学术组织和产业界开始探索协同治理的新路径。
据《中华眼科杂志》2024年刊载的一项多中心研究，基于深度学习模型的眼底图像分析系统在糖尿病视网膜病变筛查中的敏感性和特异性分别达到92.3%和95.1%，已接近眼科专科医生的水平。而在近视防控领域，国内已有企业推出“AI近视防控管理平台”，通过可穿戴设备采集用眼行为数据，结合AI算法预测近视进展风险，并推送个性化干预建议。与此同时，远程视光服务在疫情期间得到加速普及，例如美国视光协会（AOA）推动了远程验光的临时指南，允许视光师通过视频和远程设备进行屈光检查，部分州已将其常态化。然而，跨国界的远程视光服务仍面临资质互认、数据安全和医疗责任划分等法律障碍。
在全球化层面，世界卫生组织（WHO）于2019年发布《世界视力报告》，明确提出将屈光不正纳入初级卫生保健，并强调数字健康技术对改善眼保健可及性的潜力。2024年，国际防盲机构（IAPB）与多家科技公司发起“Vision Catalyst Fund”，旨在支持中低收入国家的AI辅助眼病筛查项目。一个典型案例是，印度Aravind眼科医院与Google Health合作开发的AI系统，已在泰米尔纳德邦的基层诊所部署，通过云端上传眼底照片并实时返回诊断建议，使筛查效率提升数倍。这类模式正被推广至撒哈拉以南非洲和东南亚地区。
然而，AI眼科的跨国应用并非一帆风顺。算法偏差是首要问题：如果训练数据主要来自特定人群，模型在其他人群中的性能会显著下降。例如，一项2023年发表于《柳叶刀数字健康》的研究显示，某知名糖尿病视网膜病变AI系统在黑人人群中的假阴性率是白人的1.8倍，凸显了数据多样性的重要性。为此，欧盟在《人工智能法案》中特别强调高风险医疗AI系统需要经过严格的性能评估和上市后监测，而美国FDA则发布了基于预定变更控制计划的AI/ML医疗器械监管框架。中国国家药监局（NMPA）也于2023年发布了《人工智能医疗器械注册审查指导原则》，要求提交算法泛化能力验证和网络安全描述。但各国标准并不完全一致，导致企业出海面临多重审批成本。
远程视光服务的全球化同样面临监管碎片化。例如，欧盟《通用数据保护条例》（GDPR）对健康数据的跨境传输有严格限制，而美国《健康保险携带和责任法案》（HIPAA）则侧重于隐私保护和安全规则。在跨境远程验光中，视光师可能位于一个国家，而患者位于另一个国家，此时以哪个国家的法规为准？目前尚无统一的国际协议。2024年6月，国际视光理事会（WCO）联合WHO发起“全球视光服务数字化协作倡议”，旨在制定远程视光服务的国际技术标准和数据共享原则，已有20多个国家的视光协会加入。该倡议计划在2025年发布远程验光操作规范草案，并推动各国监管互认。
面对这些挑战，跨国协同治理成为必然选择。一方面，需要建立全球性的眼科AI性能评估基准，例如斯坦福大学发起的“眼科AI公平性联盟”，联合全球12个眼科中心构建多民族数据集，旨在消除算法偏见。另一方面，监管机构之间可探索“沙盒互认”模式，即在一方监管沙盒中通过验证的AI产品，在其他成员国内享有快速通道。此外，区块链技术被尝试用于远程视光服务的资质认证和医疗记录共享，确保数据的不可篡改和可追溯。
展望未来，眼科AI和远程视光将在全球化中发挥更大的作用，但只有通过跨国监管协同、数据共享伦理框架和标准化评估体系的建设，才能真正实现“技术无国界，服务有保障”的愿景。
**关键词：** 眼科AI，远程视光，跨国监管，数据共享，算法公平，WCO，近视防控