在2025年的视光学术会议上，儿童青少年近视防控的“智能化”与“数据化”成为高频词。随着政策对校园筛查覆盖率的要求不断提高，如何利用智能筛查技术高效采集数据，并通过眼轴监测实现精准干预，成为视光中心升级的关键。为此，我们专访了金教授，请他分享对当前智能化筛查与眼轴监测在近视防控中应用的见解，以及视光中心如何构建数据闭环。
**问：金教授您好，近年来各地纷纷建立儿童青少年近视防控信息化平台，您如何看待智能筛查技术在其中扮演的角色？**
金教授：智能筛查技术，特别是基于AI的眼底图像分析和自动验光设备，正在显著提升筛查的效率和准确性。传统的校园筛查依赖视力表检查，耗时且主观性较强。现在通过便携式智能筛查仪，几秒钟就能完成屈光度和眼轴的初步测量，数据实时上传至平台。例如，我们团队去年在多个省市开展的筛查项目，使用了智能筛查设备后，单日筛查量从原来的几百人提升到两千人以上，同时减少了人工录入错误。更重要的是，AI算法能够自动识别出高风险儿童，如远视储备不足或眼轴增长过快的个体，为后续分级干预提供了依据。
**问：眼轴监测近年来被提升到与屈光度同等重要的地位，您认为视光中心应如何规范化开展眼轴监测？**
金教授：眼轴长度是近视发生发展的核心生物参数，其增长速率是评估干预效果的金标准之一。视光中心应配备光学生物测量仪，并建立规范的测量流程。我们建议对3岁以上的儿童建立眼轴档案，每3-6个月复查一次。针对快速增长者（如年增长超过0.2毫米），需要启动或调整干预方案。值得注意的是，眼轴监测不能仅看单次数据，必须结合年龄、基线、遗传背景等进行综合分析。比如，一个6岁儿童眼轴22毫米可能是正常的，但如果其父母高度近视且该儿童远视储备低，就需要高度警惕。目前，一些智能穿戴设备能够持续监测用眼距离和环境光照，与眼轴数据结合，能更全面地评估近视风险。
**问：您提到数据闭环，视光中心如何将筛查、监测、干预和随访整合起来？**
金教授：数据闭环的核心是“评估-干预-反馈”的循环。第一步，通过入校筛查和门诊检查采集基础数据，包括屈光度、眼轴、角膜曲率等；第二步，利用风险预测模型（如基于人工智能的近视发展预测）对儿童进行风险分层；第三步，根据分层结果制定个体化干预方案，如行为干预、低浓度阿托品、角膜塑形镜或功能框架镜；第四步，定期随访并更新数据，动态调整干预策略。视光中心需要建立自己的信息管理系统，与区域平台对接，实现数据互联互通。我们正在探索将眼轴监测数据与AI预测模型整合，为每个孩子生成“近视风险曲线”，医生和家长可以直观看到干预效果。
**问：当前基层视光服务能力仍较薄弱，您认为智能技术如何帮助提升基层的同质化水平？**
金教授：智能技术是缩小城乡视光服务差距的重要抓手。通过远程验光、AI辅助诊断和云端专家会诊，基层机构可以具备与三甲医院相似的眼视光检查能力。例如，一些智能验光仪内置了标准化的操作流程和AI质量控制，操作员即使经验不足也能获得可靠数据。我们正在推动建立“基层智能筛查+上级视光中心复核”的模式，基层负责筛查和初步干预，疑难病例上传至上级中心进行远程会诊。这不仅能提高效率，还能减少漏诊误诊。今年的全国眼科年会也把“人工智能在基层眼保健中的应用”作为重点征稿方向，说明这一趋势已经得到广泛认同。
**问：最后，请您展望一下未来3-5年青少年近视防控技术的发展方向。**
金教授：未来一定是更加智能化和个性化的。可穿戴设备将实现环境与行为参数的实时监测，人工智能模型将能预测个体近视发生风险并推荐预防策略，基因检测可能帮助识别高危人群。同时，低浓度阿托品联合光学干预的方案将更加精准。视光中心将转变为“眼健康管理平台”，而不是单纯的配镜场所。数据安全和隐私保护也将是必须重视的问题。总体而言，我们有理由相信，通过技术的进步和全社会的努力，能够有效遏制近视的高发态势。
