近年来，人工智能（AI）技术在眼科领域的应用迅猛发展，尤其在青少年近视防控中展现出巨大潜力。2025年，随着多模态数据融合、大模型技术的成熟，眼科AI正从单一的辅助筛查向全流程、个性化的近视管理迈进。
**AI赋能校园筛查：高效精准的规模化落地**
传统的校园视力筛查依赖人工操作，存在效率低、数据不统一、漏诊率高等问题。如今，AI驱动的自动验光仪、眼底相机和视力检查系统已能在短时间内完成大批量筛查，并通过云端实时上传数据。袁教授指出，某省在2025年春季学期采用AI筛查平台，仅用两周时间就完成了全省120万中小学生的视力、屈光度和眼轴测量，筛查效率提升5倍以上，且数据标准化程度显著提高。
**大数据与近视风险预测**
AI不仅能筛查，更能预测。通过整合遗传、环境、行为等多维度数据，机器学习模型可以准确预测个体未来近视发生发展的风险。袁教授分享了一个案例：基于10万例儿童队列数据训练的模型，对3年内高度近视的预测AUC达到0.92，为早期干预提供了科学依据。视光中心可以据此为高风险儿童制定强化干预方案，如增加户外活动时间、及早使用低浓度阿托品或角膜塑形镜。
**个性化干预方案优化**
近视管理正迈向“一人一策”。AI能够分析患者的眼轴增长曲线、角膜地形图、用眼行为等数据，辅助医生选择最优干预组合。例如，对于低龄、父母高度近视、眼轴增长迅速的儿童，系统可能推荐低浓度阿托品联合角膜塑形镜，并自动计算最佳浓度和佩戴参数。袁教授强调，AI并非替代医生，而是提供决策支持，提高诊疗效率和一致性。
**远程视光服务与患者管理**
疫情后，远程医疗需求激增，眼科也不例外。AI赋能的远程视光平台允许患者在社区或家中完成部分检查，数据实时传输给视光师。结合智能穿戴设备监测用眼时长、光照暴露，形成连续的视觉行为档案。袁教授提到，某视光中心通过微信小程序和AI助手，对5000名近视儿童进行远程随访，依从性提升了40%，近视进展速度较传统管理模式减缓了25%。
**挑战与展望**
尽管前景广阔，AI在眼视光领域的落地仍面临数据安全、算法泛化能力、监管审批等挑战。袁教授呼吁建立多中心、标准化的眼科AI验证体系，并加强跨学科人才培养。未来，AI大模型有望串联筛查、诊断、干预、随访全链条，真正实现“精准、高效、全民可及”的眼健康服务。
