角膜塑形镜（Ortho-K）作为近视控制的有效手段，其安全性和有效性高度依赖于镜片的配适状态。传统配适评估依赖医生主观解读荧光素染色图像，存在效率低、可重复性差等痛点。AI算法的引入为这一临床难题提供了新的解决路径。
近期，一项多中心研究利用深度学习模型分析超过10,000张角膜塑形镜配适荧光素染色图像，算法能够自动分割镜片光学区、反转弧区、定位弧区及周边弧区，并量化各区域的泪液厚度，配适分类准确率达95%以上，显著优于初级医师，达到资深视光师水平。更重要的是，模型结合了佩戴后的角膜地形图变化和患者主观症状，构建了“配适状态-泪液交换-角膜健康”的关联预警模型。
该AI系统能够在随访时快速识别偏紧、偏松等不良配适，并提示泪液交换不足的区域，预警角膜上皮损伤风险，指导医师及时调整镜片参数。从“静态图像解读”到“动态风险预测”，AI算法正在推动角膜塑形镜验配从经验依赖走向精准智能，为青少年近视防控保驾护航。