随着我国分级诊疗的推进，眼病早期筛查的标准化与基层化成为提升眼健康服务可及性的关键。国家自然科学基金（NSFC）近年来在“医学科学部”优先资助领域明确将“常见致盲眼病早期筛查和干预的关键技术研究”列为重点方向，旨在推动筛查技术的创新、规范化以及向社区下沉。本文结合最新政策动态与学术进展，探讨基金资助如何助力从社区糖尿病视网膜病变（DR）筛查到远程AI质控的全链条研究。
### 一、政策背景与基金导向
《“十四五”全国眼健康规划》强调，要推动糖尿病视网膜病变、青光眼等主要致盲眼病的早筛早诊，并鼓励人工智能等新技术的应用。国家自然科学基金在“临床专项”和“区域创新发展联合基金”中，均加大了对诊断试验、筛查策略优化研究的支持力度。例如，2024年医学科学部“临床专项”项目指南提出“针对影响健康的重大疾病，开展基于人群的筛查新技术和方案研究”，这为眼科筛查研究提供了直接政策依据。
### 二、社区糖网筛查的研究热点与基金资助案例
糖尿病视网膜病变是工作年龄人群首位致盲原因，但我国DR筛查率不足20%。传统筛查依赖眼科医生读片，在基层难以普及。近年来，AI辅助DR筛查成为研究热点。多项国家自然科学基金项目聚焦深度学习模型在社区场景的适用性、成本效益和生活质量影响。
例如，2023年一项由中山眼科中心团队主持的国家自然科学基金面上项目，针对社区DR筛查中AI系统与人工阅片的一致性及卫生经济学评价展开研究。初步结果显示，AI系统在灵敏度上达到95%，特异度90%以上，且每人次筛查成本降低约40%。该研究为AI筛查纳入国家基本公共卫生服务提供了循证依据。
此外，国家眼部疾病临床医学研究中心联合多个视光中心，正在开展一项多中心研究，探索“AI初筛+远程专家复核+社区随访”的整合模式，获得国家自然科学基金“区域创新发展联合基金”资助。项目重点关注筛查结果阳性患者的转诊依从性及失访原因，旨在构建闭环管理路径。
### 三、远程AI质控：提升筛查同质化水平
筛查标准化的核心在于质控。由于基层设备、人员能力差异，眼底图像质量和诊断一致性面临挑战。近年来，远程AI质控平台成为研究前沿。国家自然科学基金2024年新增“医学人工智能”方向，鼓励开发适用于多中心、多设备来源的AI质控工具。
一项在研国自然青年基金项目采用联邦学习框架，联合5家不同级别的医疗机构，开发眼底图像质量评估与病灶检测一体化模型，实现跨机构数据隐私保护下的模型迭代。该技术有望解决偏远地区图像不合格率高的问题，提升远程筛查的可靠性。
### 四、视光中心的角色与未来研究方向
视光中心作为社区眼健康服务的重要节点，可在筛查中承担更多科研任务。国家自然科学基金鼓励“医工交叉”和“临床-社区”联合申报。例如，视光中心可联合高校团队申请基金，开展基于OCT的眼前节参数参考区间建立、儿童屈光发育与眼底改变关联研究等。同时，视光中心积累的真实世界数据可为AI模型提供验证场景，助力科研成果转化。
未来，随着《“健康中国2030”规划纲要》的深入实施，眼病早期筛查将从单一病种向多病种联合筛查发展，从以医院为中心向以社区为基础扩展。基金政策将持续引导资源下沉，推动筛查策略的精准化与智能化。对于研究者而言，紧密围绕政策需求、突出应用价值、注重跨学科协同，是获得资助的关键。
**结语**：在基金政策的驱动下，眼病早期筛查研究正朝着标准化、智能化、社区化的方向迈进。从社区DR筛查到远程AI质控，每一步创新都离不开科研基金的支撑。视光中心作为连接临床与社区的桥梁，应主动对接国家需求，在筛查技术优化、路径评价及大规模实施科学方面开展高水平研究，共同推动我国眼健康事业高质量发展。