近年来，青少年近视防控已上升为国家战略，但临床中常忽视一个关键环节——双眼视功能异常。多项研究表明，调节滞后、集合不足等双眼视功能异常与近视发生发展密切相关。然而，传统视功能检查依赖主观配合，结果重复性差，难以捕捉动态变化。随着眼动追踪、红外验光等技术的发展，AI算法正在开启动态双眼视功能评估的新范式。
**从静态测量到动态追踪**
传统视功能检查如调节幅度、调节灵活度、隐斜度等多为静态单次测量，难以反映日常用眼状态下的真实功能。近年来，基于红外眼动追踪和动态视网膜检影的设备可记录注视稳定性、微扫视、调节微波动等参数，但数据维度高、噪声大。AI算法，尤其是时序深度学习模型，可从这些高频信号中提取特征，量化调节-集合系统的动态响应。例如，通过分析阅读任务中的调节反应与瞳孔变化，AI可识别出调节滞后高风险个体，而这类人群往往近视进展更快。
**多模态融合预测近视进展**
单一指标预测能力有限，AI擅长整合多模态数据。结合动态双眼视功能参数、屈光状态、眼轴长度、用眼行为及遗传风险，可构建更精准的近视进展预测模型。例如，一项研究纳入调节灵活度、AC/A比率、远/近隐斜等指标，利用图神经网络建模各参数间交互，将两年内近视快速进展的预测AUC提升至0.89。此外，基于可穿戴设备采集的环境光、近距离用眼时长等时序数据与视功能参数融合，可提供个体化的风险预警。
**临床转化与视光中心落地**
当前，视光中心连锁化运营亟需标准化、高效率的评估工具。AI驱动的动态视功能评估系统可在几分钟内完成多项检查，自动生成结构化报告，并给出训练建议。例如，某视光中心引入AI视功能分析模块后，初诊患者双眼视功能异常检出率提高了23%，个性化视觉训练方案采纳率增加40%。同时，AI可追踪训练效果，动态调整方案，实现闭环管理。
**挑战与前景**
数据标准化和算法可解释性是主要障碍。不同设备采集的信号存在差异，需建立统一的数据规范，并推动多中心验证。可解释AI技术，如注意力机制可视化，可帮助医生理解算法决策逻辑，增强信任。未来，随着轻量级传感器和边缘计算的发展，动态视功能评估有望融入日常眼镜或隐形眼镜，实现实时监测与干预，为近视防控提供全新维度。
总之，AI算法驱动的动态双眼视功能评估正从科研走向临床，它将弥补传统检查的不足，为青少年近视个性化防控注入新动力。