深度 | 从“筛查”到“预警”：AI眼底影像分析如何重构校园近视防控的“预测性”防线

在青少年近视率居高不下的今天，校园筛查已从单纯视力检查升级为包括眼轴、屈光度等多项指标的综合性评估。然而，一个容易被忽视的事实是：近视并非仅关乎度数，其本质是眼球结构的不可逆变化，尤其是眼底的早期病变。传统筛查侧重“检测”近视，却缺乏对近视相关眼底并发症的“预判”。随着人工智能（AI）在眼科影像领域的突破，校园筛查有望从“发现已近视”迈入“预测高风险”的新阶段。 ## 一、现状：校园筛查的“视觉”与“眼底”割裂 目前，多数校园筛查聚焦于远视力、电脑验光，部分发达地区增加了眼轴测量。这些数据能反映近视度数进展，却无法直接显示视网膜、脉络膜的健康状态。实际上，高度近视（通常指眼轴≥26mm或度数≤-6.00D）是开角型青光眼、白内障、视网膜脱离、黄斑劈裂等多种致盲性眼病的独立危险因素。然而，许多青少年在发生严重并发症前并无明显症状，直到视力突然下降才就医。若能在校园筛查阶段引入快速、无创的眼底影像检查（如免散瞳眼底照相、OCT等），并利用AI分析眼底结构变化，则可提前数年识别出高危个体。 ## 二、AI眼底影像分析的技术优势 近年来，深度学习算法在眼底彩照、OCT图像上的诊断能力已接近甚至超越眼科医生。以“近视性黄斑病变”为例，AI可量化豹纹状眼底、视盘倾斜、脉络膜萎缩弧等特征，并根据严重程度进行分级。2024年发表于《Ophthalmology》的一项多中心研究表明，基于OCT图像的AI模型预测高度近视患者5年内发生黄斑劈裂的AUC达0.91，远超传统眼轴长度模型。此外，AI还能从眼底血管形态中挖掘近视进展的潜在生物标志物，如视网膜血管分形维数降低与近视快速进展相关。 ## 三、校园筛查引入AI眼底分析的现实路径 将AI眼底分析嵌入校园筛查，需解决设备便携性、检查效率与数据安全等问题。近年来，免散瞳手持式眼底相机已实现轻量化，配合智能手机即可完成拍摄。部分国产设备已通过NMPA认证，单眼拍摄时间仅需数秒。筛查时，AI系统可实时分析图像，自动输出近视眼底的“风险等级”与“随访建议”。例如，对于有豹纹状眼底合并颞侧萎缩弧的学生，系统提示“建议至专科医院进行OCT检查并建立眼健康档案”。 上述模式已在深圳、温州等地试点。以深圳某区为例，2025年春季筛查覆盖3万余名中小学生，AI识别出约2.7%的学生存在高度近视性眼底改变，其中近一半此前未被家长知晓。通过绿色通道转诊，部分学生及时发现了早期黄斑劈裂或周边部视网膜变性，避免了进展为视网膜脱离。 ## 四、从“筛查”到“预警”的挑战与对策 尽管前景广阔，但推广仍面临多重挑战。首先是成本与付费机制。AI眼底筛查的硬件与软件投入较高，单纯依赖公共卫生经费难以持续。可探索“基础筛查免费、增值服务付费”的模式，如对高风险学生提供详细的AI报告与专家解读。其次是专业人才缺口。校园筛查团队通常缺乏眼底判读能力，AI可弥补这一短板，但需要培训校医掌握基本操作与应急处理。最后是数据孤岛。应建立区域化眼健康大数据平台，将筛查影像与医院诊断、随访结果对接，形成闭环管理。 ## 五、展望：预测性眼健康的校园实践 未来5年，AI眼底分析有望成为校园近视防控的标配。结合基因风险评分、用眼行为数据等，AI可构建多模态近视风险预测模型，在儿童尚未近视时即发出预警。这是从“治已病”到“治未病”的理念跃迁，真正将眼健康管理关口前移至儿童早期。 校园是青少年近视防控的主阵地，引入AI眼底影像分析不仅是技术升级，更是防控策略的范式转移。它让我们有机会在视力表之外，看见更深层的风险，从而为每一位孩子量身定制“预测性”的护眼方案。