近年来，青少年近视防控已成为国家健康战略的重要一环。随着《综合防控儿童青少年近视实施方案》等政策的深入推进，校园视力筛查的常态化和规范化成为各地教育、卫生部门的刚性任务。然而，传统筛查手段依赖视力表与电脑验光，存在效率低、数据碎片化、缺乏客观生物参数等痛点。在此背景下，影像技术的创新应用——尤其是OCT（光学相干断层扫描）、眼底照相、眼轴测量与AI诊断的融合——正在重塑校园筛查与视光中心管理的全流程。
**校园筛查的影像标准化与AI助力**
2025年，全国多地中小学已引入便携式OCT和自动眼轴测量仪，将筛查指标从单纯的裸眼视力扩展至眼轴长度、角膜曲率、前房深度等关键参数。以上海某区为例，该区联合多家视光中心，为全区12万中小学生建立了包括OCT黄斑厚度、脉络膜厚度在内的电子屈光发育档案。AI算法自动识别异常眼底图像，并将高风险学生分流至定点医院复查，使筛查效率提升40%，转诊准确率提高至92%。这种“影像采集—AI初筛—人工复核—分级干预”的模式，逐步成为政策落地的标准路径。
**视光中心的数字化转型与影像闭环**
视光中心作为近视防控的前沿阵地，正经历从验光配镜向眼健康管理中心的转型。数字化升级的核心在于影像数据的全生命周期管理。例如，某全国连锁视光机构引入多模态影像平台，整合角膜地形图、眼前节OCT、眼底OCTA及眼轴测量数据，并通过AI算法动态评估近视进展风险。对于佩戴角膜塑形镜的青少年，定期进行OCT前节成像可精确评估镜片配适和角膜形态变化，结合AI分析，提前预警角膜上皮损伤等安全隐患。
**AI影像诊断的循证进展与临床价值**
眼科学术界对AI影像诊断的认可度持续提高。在2025年国际眼科会议（如ARVO、APAO）上，多项研究展示了基于OCT和眼底彩照的深度学习模型在预测近视进展、识别高度近视并发症（如黄斑劈裂、脉络膜新生血管）方面的优异性能。国内团队开发的一种基于扫频OCT的AI模型，通过分析脉络膜厚度和血管密度，可提前6个月预测儿童近视快速进展，AUC达到0.89。此类工具已开始嵌入视光中心的电子病历系统，辅助医生制定个性化干预方案，如调整低浓度阿托品使用或角膜塑形镜参数。
**挑战与展望**
尽管前景广阔，影像技术在近视防控中的普及仍面临挑战：设备成本较高、基层操作人员培训不足、数据标准不统一、AI模型泛化能力有限。为此，政策层面应鼓励国产便携式影像设备研发，推动数据互联互通，并建立多中心影像数据库。同时，视光中心与眼科医院需加强协作，形成“筛查—诊断—干预—随访”的闭环。未来，随着5G远程医疗和智能穿戴设备的发展，影像技术有望实现家庭场景下的近视风险实时监测，真正构建全生命周期的眼健康管理体系。
**关键词**：校园筛查，OCT影像，AI诊断，视光中心，数字化转型，近视防控