在校园近视防控的常态化筛查中，传统视力表与电脑验光仅能提供屈光状态，而眼底结构变化往往被忽视。近年来，随着便携式眼底相机、OCT（光学相干断层扫描）等影像设备的下沉，校园筛查正从“看得清”迈向“看得深”。特别是在高度近视风险人群中，眼底影像的早期评估至关重要。
以一项针对某市12所中小学的联合筛查为例，研究人员对3000余名学生进行了眼轴、屈光度及眼底彩照检查。结果发现，在眼轴超过25mm的青少年中，有高达18.7%存在不同程度的豹纹状眼底或视盘旁萎缩弧，而这些学生中仅有不到5%曾被转诊至专科医院。这表明，单纯依赖视力筛查会漏掉大量具有眼底病变风险的个体。
针对这一痛点，影像技术结合人工智能（AI）的预测模型正在兴起。通过深度学习算法对超广角眼底照片、OCT黄斑图像进行自动分析，可以量化脉络膜厚度、视网膜神经纤维层厚度、视盘倾斜度等参数，并综合眼轴、年龄、家族史等临床信息，构建未来5年高度近视进展及并发症发生的风险评分。一项多中心研究中，该AI模型对高度近视黄斑病变的预测AUC达到0.93，显著优于传统回归模型。
这些技术的应用正在改变校园筛查的流程。便携式OCT设备可以在学校现场快速获取黄斑中心凹形态、脉络膜厚度等数据，配合云端AI分析，即时生成个体化风险报告。筛查后，高风险学生被精准转诊至视光中心或眼科门诊，进行更全面的评估（如OCTA检查黄斑区血流密度、视野检查等），从而实现近视管理的闭环。
同时，AI模型还能根据影像特征预测不同干预手段（如角膜塑形镜、低浓度阿托品、离焦镜片）的个体化疗效。例如，基线脉络膜厚度较薄的患者可能对阿托品治疗反应更佳，而角膜形态不规则者可能更适合离焦软镜。这种基于影像的精准分型，正推动近视防控从“一刀切”迈向个性化时代。
当然，标准化与数据安全仍是挑战。不同的眼底相机、OCT设备之间的图像存在差异，需要建立统一的图像采集与标注规范。此外，儿童青少年影像数据的隐私保护也是政策制定者必须考量的因素。
未来，随着5G和远程医疗的普及，校园筛查的影像数据可以实时传输至区域眼健康大数据平台，AI辅助诊断系统将自动生成转诊建议，并与家长端App联动，形成“筛查-预警-干预-随访”的数字化防控网络。这不仅将大幅提升近视防控效率，也将为每个孩子建立完整的眼健康影像档案，为全生命周期的视觉质量保驾护航。
