近年来，儿童青少年近视防控已上升为国家战略，校园视力筛查作为第一道防线，其效率和精准度直接影响干预效果。然而，传统筛查模式常面临数据孤岛、转诊脱节、干预滞后等痛点。随着人工智能与大数据技术的深入应用，校园筛查正从“发现近视”向“精准分层、闭环管理”跃迁，成为视光中心拓展服务半径、提升专业价值的重要抓手。
## 一、AI赋能：从“视力检查”到“风险预测”
传统校园筛查主要依赖裸眼视力检查和电脑验光，仅能发现已近视或视力不良的学生，难以识别远视储备不足、眼轴增长过快等近视高危人群。近年，多地视光中心开始引入AI辅助筛查系统，通过整合视力、屈光度、眼轴、角膜曲率等多维数据，构建近视风险预测模型。例如，某省视光中心联合科技企业开发了“儿童青少年近视防控智慧平台”，基于5万余名学生的三年纵向数据，利用机器学习算法预测未来一年近视发生概率，准确率达85%以上。筛查现场，学生通过便携式智能设备完成视力、验光和眼轴测量，数据实时上传，AI即时生成个体风险报告，并自动给出分级建议（如每3个月复查、转诊至视光中心等）。
## 二、闭环管理：从“筛查数据”到“干预落地”
筛查的最终目标不是建档，而是干预。视光中心作为承上启下的枢纽，如何将筛查数据转化为有效干预成为关键。以温州医科大学附属眼视光医院推行的“校园筛查-视光中心-家庭”三级闭环模式为例：学校完成初筛后，高风险学生信息通过平台自动推送至指定视光中心，视光师根据风险等级安排进一步检查（如散瞳验光、双眼视功能评估），并制定个性化干预方案（如配戴离焦框架镜、角膜塑形镜或使用低浓度阿托品）。同时，平台向家长发送科普宣教和复诊提醒，确保依从性。该模式实施两年后，试点学校学生近视年增长率从8.2%降至4.5%，干预有效率显著提升。
## 三、数据资产：从“一次性筛查”到“长期队列研究”
每一次筛查都是宝贵的数据积累。数字化平台不仅提升了服务效率，更构建了区域性的儿童眼健康数据库。通过对历年筛查数据的分析，可以揭示不同地区、不同年龄段近视流行趋势及危险因素，为政策制定和科研提供依据。例如，上海市眼病防治中心利用历年学生屈光发育档案，构建了“儿童青少年近视发生发展预测模型”，并据此制定了分年龄段的户外活动时长建议和用眼行为干预指南。这些成果反过来又推动了校园筛查方案的优化，形成“数据-证据-实践”的良性循环。
## 四、挑战与展望：从“标准化”到“个性化”
尽管AI筛查展现出巨大潜力，但落地过程中仍面临数据标准不统一、设备差异、隐私保护、基层人员能力不足等挑战。未来，视光中心需进一步加强与学校、教育部门、科技企业的协作，推动筛查技术标准化、操作规范化、管理精细化。同时，随着可穿戴设备、远程验光等技术的成熟，筛查将向家庭场景延伸，实现“全年无休”的动态监测。唯有将精准筛查与全程管理深度融合，才能真正筑牢儿童青少年近视防控的“第一道防线”，实现从“被动矫治”向“主动健康”的跨越。