近年来，近视已成为全球性公共卫生问题，尤其在青少年中发病率逐年攀升。随着多组学技术、人工智能（AI）和远程医疗的飞速发展，近视防控正从传统的经验性干预迈向精准化、个体化时代。基础研究领域的最新进展，特别是基因组学、表观遗传学、代谢组学与微生物组学的交叉融合，为揭示近视发生发展的分子机制提供了前所未有的机遇。同时，AI驱动的预测模型与远程视光服务的结合，正在重塑近视管理的服务模式。
## 多组学解码近视的分子基础
近视是多因素复杂疾病，遗传与环境交互作用显著。大规模全基因组关联研究（GWAS）已鉴定出数百个近视相关基因位点，涉及巩膜重塑、视网膜信号传导、昼夜节律和神经递质代谢等通路。然而，单纯遗传因素仅能解释部分近视变异，表观遗传修饰如DNA甲基化、组蛋白修饰和非编码RNA在环境因素（如近距离工作、户外活动减少）转化为基因表达变化中发挥关键作用。近期研究发现，特定miRNA和lncRNA在近视患者的巩膜和房水中表达异常，可能作为早期诊断生物标志物。
代谢组学揭示了近视眼中的代谢重编程现象。视网膜和巩膜组织的能量代谢失衡，尤其是乳酸堆积和氧化应激增加，与巩膜成纤维细胞转分化和胶原重塑密切相关。单细胞转录组图谱进一步表明，巩膜成纤维细胞存在显著异质性，特定亚群在近视眼轴增长中表现出活跃的细胞外基质重塑和炎症信号。此外，肠道微生物组与近视的关联也受到关注，菌群代谢产物可能通过肠-眼轴影响巩膜微环境。
## AI预测模型与远程视光服务的整合
人工智能在眼科的应用已从图像识别扩展到疾病风险预测和进展监测。基于深度学习算法的近视预测模型，可整合眼底照片、OCT图像、屈光参数和生活方式数据，实现个体化近视发病和进展风险评估。例如，利用卷积神经网络分析眼底图像中的视盘旁萎缩弧和豹纹状眼底等特征，可预测高度近视并发症风险。此外，可穿戴设备和智能手机应用收集的用眼行为数据，结合环境光暴露传感器，为实时近视风险监测提供了新途径。
远程视光服务在疫情期间得到加速发展。基于AI的自动验光、远程眼底筛查和智能配镜系统，使得初级眼保健服务可下沉至社区和偏远地区。这些系统通常内置基础研究衍生的算法，如根据眼轴长度和角膜曲率推算屈光度的模型，或基于眼底图像预测近视进展的回归模型。然而，远程服务的准确性和安全性仍需大规模验证，标准化数据集和监管框架亟待建立。
## 从基础研究到临床转化的挑战与机遇
尽管多组学和AI技术为近视精准防控描绘了诱人前景，但转化之路仍面临诸多挑战。首先，多组学数据的整合分析需要强大的计算资源和标准化流程，目前数据共享和可重复性仍不足。其次，AI模型的泛化能力受限于训练数据的偏倚，多中心、多种族验证不可或缺。此外，近视的因果机制尚不明确，多数组学发现仅具相关性，需在动物模型和类器官中验证功能。
未来，基础研究应聚焦于多组学数据的纵向整合，结合单细胞空间组学和高通量筛选技术，构建近视发病的分子网络模型。同时，发展可解释的AI算法，提取具有生物学意义的特征，增强临床医生的信任。最终，通过产学研医协同，将基础研究的成果转化为可应用于视光中心和基层医疗的实用工具，实现近视的早期预警和个性化干预。
