校园视力筛查数据驱动下的近视防控策略优化：我院发布最新队列研究并启动AI预警系统升级

在青少年近视防控上升为国家战略的背景下，校园视力筛查已成为常态化工作。然而，如何从海量筛查数据中挖掘出有价值的防控线索，并转化为精准的干预策略，是当前视光领域的热点与难点。近日，我院视光中心基于过去三年在本市12所中小学开展的纵向队列研究，发布了一项重要成果：通过分析超过2万名学生、累计6万人次的视力与屈光数据，团队成功构建了“近视进展风险分层模型”，并联合AI技术升级了校园筛查预警系统。 该模型综合了眼轴长度、角膜曲率、屈光状态、遗传因素及用眼行为等多维度指标，可将学生分为低、中、高三个近视进展风险层级。对于高风险学生，系统将自动推送个性化干预建议，包括增加户外活动时间、调整读写姿势、必要时启动药物或光学干预等。研究显示，该模型预测近视快速进展的准确率达到87.3%，为实施分级分类防控提供了科学依据。 与此同时，我院将AI技术与筛查系统深度融合，升级了校园筛查的智能化水平。新系统不仅能够自动识别眼底影像中的早期近视性改变，如豹纹状眼底、视盘倾斜等，还能结合历史数据预测未来一年的屈光变化趋势。在试点的两所学校中，该系统成功预警了32名未达近视诊断标准但存在高风险的学生，经过及时干预，其中27名学生在后续随访中未发展为近视。 “传统的校园筛查往往只得到一个视力数值，缺乏对近视风险的深入评估。”我院视光中心主任表示，“我们的目标是让筛查数据‘活’起来，真正指导临床决策和公共卫生策略。”基于此，医院还联合教育部门开发了家长端数字化平台，家长可实时查看孩子的视力档案、风险等级及个性化建议，实现了校园—家庭—医院的闭环管理。 此外，医院正计划将这一模型推广至更多区域，并开展多中心验证，以提升其泛化能力和实用性。未来，随着更多数据的积累和算法的优化，该模型有望成为全国青少年近视防控的重要工具。同时，医院也将持续关注筛查数据的伦理与隐私保护，确保技术的合规应用。 此次研究成果已于近期在《中华眼视光学与视觉科学杂志》上发表，并受邀在即将召开的全国眼科学术大会上作专题报告。这一进展不仅标志着我院在近视防控数据驱动方面迈出了坚实一步，也为行业提供了可借鉴的实践范本，推动近视防控工作从“经验驱动”向“数据驱动”转型升级。