深度访谈 | 基层近视防控的“人机协同”新路径：AI眼健康筛查与视光师决策支持的县域实践

 在政策持续推动和考核压力下，青少年近视防控已进入深水区，基层县域成为主战场。近期，国家卫健委将儿童青少年总体近视率纳入政府绩效考核，并要求建立视力健康电子档案。然而，基层眼科医生和视光师严重短缺，筛查数据质量参差不齐，“查而不防、防而不精”现象普遍。如何利用人工智能（AI）和远程技术破解这一困境？**本刊专访了某省县级视光中心负责人李主任及其团队**，探讨AI眼健康筛查与视光师决策支持系统在基层的落地实践与挑战。 ### 从“人海战术”到“人机协同”：筛查效率与精准度双提升 李主任所在的县约有中小学生8万人，以往年度视力筛查需动员全县卫生院人员，耗时两个月，且数据误差较大。“人工筛查只能测裸眼视力，无法判断屈光状态和眼轴，常常漏掉近视前期儿童。” 2023年起，该县引入AI眼底相机和便携式自动验光仪，学生自助完成检查，AI实时分析屈光度、眼轴和眼底照片，异常者自动标记。**筛查时间缩短至两周，数据自动上传至省级视力健康管理平台。** AI系统还能进行近视风险预测。通过分析历史数据、用眼行为问卷和眼轴增速，对近视前期儿童发出预警。例如，一名8岁学生眼轴年增长0.4毫米，AI提示未来两年近视概率达85%，系统自动生成个性化干预建议（如增加户外活动、调整用眼习惯）。视光师复核后，与家长沟通制定方案。 ### 视光师决策支持：从“卖镜”到“健康管理”的转型 基层视光师往往缺乏继续教育机会，对复杂病例束手无策。AI决策支持系统内置了最新临床指南和大量病例库，可根据患者数据推荐干预方案。“以前遇到角膜塑形镜验配问题要查半天资料，现在系统直接给出参数建议和风险提示，相当于有个专家在旁边。”李主任说。 系统还能辅助制定个性化近视管理方案。比如对10岁、近视-2.00D且眼轴偏长的儿童，AI会推荐角膜塑形镜或离焦框架镜，并列出优缺点、禁忌症，供视光师与家长沟通。对于低浓度阿托品使用者，AI自动提醒复查时间和监测指标。 **人机协同的关键是视光师的专业判断。** AI不能替代医患沟通和人文关怀。李主任强调：“我们会结合家庭经济状况、孩子意愿和用眼习惯调整方案，AI只是工具。” ### 挑战与展望：数据孤岛、AI信任与人才升级 尽管成效显著，但仍有障碍。一是数据孤岛：不同厂商设备数据格式不统一，难以整合；二是基层人员对AI的信任度：部分老视光师排斥，认为“电脑不懂临床”；三是AI模型可能存在算法偏见，对农村儿童数据训练不足。 针对这些问题，李主任建议：政府主导建立统一数据标准，加强AI系统的本地化验证，同时开展在职培训，提升视光师的新技术应用能力。“未来，AI筛查车可深入偏远乡村，远程视光服务让县城专家指导乡镇卫生院，真正实现‘筛查-预警-干预-随访’闭环。” **县级视光中心的人机协同实践，为基层近视防控提供了可行路径。** 在政策红利与技术革新双重驱动下，视光服务正从传统验光配镜向全生命周期眼健康管理跃迁。如何平衡技术效率与人文关怀，培养既懂AI又懂临床的复合型视光人才，将是下一阶段的关键。