近年来，青少年近视防控已上升为国家战略，政策焦点正从“矫正控制”转向“预防管理”。2025年，随着教育部等多部门强调“前移防控关口”，构建幼儿园和小学阶段的近视预警体系成为核心任务。这一转变的背后，是流行病学数据的严峻警示：国家卫健委调查显示，2024年全国儿童青少年总体近视率为51.9%，其中小学阶段近视率已达36.7%，且呈低龄化、重度化趋势。传统以“视力检查”为主的筛查模式往往发现即近视，难以有效阻断近视发生。因此，建立动态、精准的屈光发育档案，并借助人工智能（AI）实现风险预测，成为近视防控“关口再前移”的关键抓手。
### 从静态档案到动态监测：屈光发育档案的全面升级
既往校园筛查多记录裸眼视力、屈光度等静态指标，难以捕捉近视发生前的细微变化。目前，各地视光中心正推动建立包含**眼轴长度、角膜曲率、前房深度、晶状体厚度**等多项生物学参数的动态屈光发育档案。眼轴长度作为近视进展的“金标准”，其增长速率对预测未来近视风险意义重大。例如，上海某区对幼儿园中班至小学二年级儿童开展每年两次眼轴监测，发现眼轴年增长超过0.2mm的儿童，三年内近视发生率高达78%，显著高于正常增长组（12%）。这一数据促使该区将眼轴增速纳入近视预警核心指标，对高风险儿童提前实施增加户外活动、调节训练等干预，使试点学校新发近视率下降14%。
### AI驱动的风险预测模型：从经验判断到精准量化
随着人工智能与眼科影像技术的融合，基于大规模纵向队列的近视预测模型不断涌现。例如，中山眼科中心团队利用万余例儿童连续多年的屈光发育数据，构建了包含年龄、屈光度、眼轴、角膜曲率、父母近视史、户外活动时长等变量的机器学习模型，可预测未来1-3年近视发生风险，AUC值达0.89。此类模型已集成到部分视光中心的电子健康档案系统，实现个体化风险评分。在成都某视光门诊，医生根据AI预测结果，对高风险儿童进行分级管理：低风险者给予行为指导，中风险者增加调节功能训练，高风险者则考虑低浓度阿托品或角膜塑形镜等医学干预，使干预启动时间平均提前1.5年。
### 校园-家庭-医疗机构三方联动的预警网络
有效的风险预警需要打通数据壁垒，构建校园筛查、家庭监测、专业评估的闭环。部分省份试点“校园智能筛查设备+家庭用眼行为监测+视光中心云平台”模式：学校使用便携式光学生物测量仪快速获取眼轴、屈光等数据；家长通过手机APP记录孩子每日户外时间、近距离用眼时长、睡眠等行为数据；云端AI系统综合分析后生成预警报告，并自动触发分级干预建议。例如，杭州市某小学推行该模式一学期后，视力不良新发率较对照组降低22%。此外，AI眼底影像分析还可识别豹纹状眼底等近视相关改变，为高度近视风险提供额外警示。
### 挑战与展望：从预警到干预的落地路径
尽管技术已取得进展，但近视风险预警的全面落地仍面临挑战。首先，基层眼保健人员专业能力不足，需加强培训及AI辅助决策支持；其次，数据标准不统一，不同设备间参数差异影响模型准确性；第三，家庭端健康素养参差不齐，部分家长对预警结果存在误解。未来，随着可穿戴设备、智能手机验光等技术的普及，以及国家眼健康大数据平台的完善，青少年近视风险预警将更趋智能化和个性化，真正实现“治未病”的目标。从“视力筛查”到“屈光发育档案”，再到“AI动态预测”，近视防控的关口正不断前移，为孩子们的光明未来赢得先机。