基金政策聚焦眼科AI与数字疗法：从智能辅助诊断到视光中心循证监管的资助新前沿

 近年来，人工智能（AI）与数字技术在眼科领域的应用呈现爆发式增长，从糖尿病视网膜病变筛查到早产儿视网膜病变诊断，AI辅助系统已逐步进入临床实践。然而，医疗AI产品的安全有效性评价、临床准入标准以及真实世界中的泛化能力，仍面临严峻挑战。在此背景下，国家自然科学基金、重点研发计划等各级科研资助政策，正加速向眼科AI的临床转化与监管科学研究倾斜，旨在推动创新技术从实验室走向规范化的临床应用。 **政策导向：从技术研发到临床验证** 2024年，国家自然科学基金在医学科学部增设了“医学人工智能与大数据”专项，其中眼科领域重点关注基于多模态数据的致盲性眼病智能诊断模型构建与验证。与以往单纯强调算法创新的导向不同，新一轮资助更加注重临床实用性、多中心外部验证以及卫生经济学评价。例如，某眼视光医院联合计算机科学团队申报的“基于眼底图像和OCT的深度学习模型在社区糖尿病视网膜病变筛查中的应用研究”获得面上项目资助，该项目不仅要求模型在内部数据集上达到高精度，还需在至少三个不同地区、不同设备采集的数据上进行前瞻性验证，并评估其对筛查工作流程和成本效益的影响。 **视光中心的角色：从辅助筛查到数字疗法载体** 随着视光中心从传统验光配镜向眼健康管理转型，AI技术为其提供了效率提升和精准干预的可能。例如，基于AI的近视发展预测模型可整合屈光数据、眼轴长度、行为习惯等多维信息，帮助视光师制定个性化干预方案；智能视力筛查系统可快速完成大规模青少年视力普查，并将数据实时上传至区域眼健康平台。然而，此类数字工具在视光中心的部署和应用，需要明确的循证依据和监管框架。为此，科技部“主动健康和人口老龄化科技应对”重点专项中，鼓励开展“基于数字疗法的儿童青少年近视防控技术与服务模式研究”，要求申报单位包含视光中心或眼科医疗机构，并在研究设计中融入实施科学方法，探索数字疗法在真实世界中的可及性、依从性和有效性。 **监管科学研究：填补AI产品临床评价空白** 医疗AI产品属于医疗器械软件，其审评审批需要严格的临床证据。然而，现有临床试验设计往往难以适应AI算法快速迭代的特点，传统的随机对照试验周期长、成本高，且可能无法充分评估算法在不同亚组人群中的表现。为此，国家药监局器审中心联合高校和科研机构，开展“人工智能医疗器械临床评价方法学”研究，相关成果可直接为基金申报提供方向。例如，某团队获得国自然面上项目资助，探索基于真实世界数据的眼科AI辅助诊断系统上市后监测方法，构建不良事件主动监测和算法性能持续评价体系。这一研究方向不仅契合监管需求，也为视光中心等基层应用场景提供了安全网。 **基金申报策略与视光中心机遇** 对于视光中心和眼科研究者，在申报相关基金时应把握以下趋势： 1. **强调多中心、多模态数据验证**：单中心回顾性研究已难获资助，需设计前瞻性、多中心验证方案，数据来源可包括不同级别医院、视光中心、社区筛查点等。 2. **注重与监管科学结合**：研究目标中纳入产品注册路径、质量评价或疑似不良事件监测，可提升项目的政策相关性和应用价值。 3. **发挥视光中心的真实世界数据优势**：视光中心积累了大量连续、真实的眼健康数据，可用于模型的外部验证、性能漂移监测以及数字疗法依从性研究。 4. **关注交叉学科资助方向**：优先申报医学与信息科学、工程学、管理科学等交叉的专项，如国自然“交叉科学部”项目，或科技部“新一代人工智能”重大专项中的医疗应用方向。 **案例：数字近视管理平台的产学研协同** 以某省视光中心牵头的“基于移动端数字疗法的儿童近视防控综合干预研究”为例，该项目获得省重点研发计划资助，联合高校开发了集屈光档案管理、行为干预推送、家长教育于一体的移动应用，并在多个视光中心开展随机对照研究。研究不仅关注屈光度变化，还评估了用户粘性、家长满意度和成本效果。项目中期结果显示，数字化干预组在户外活动时间、近距离用眼时长等行为指标上显著改善，眼轴增长减缓约0.05毫米/年。这一案例表明，在基金政策支持下，视光中心可成为数字疗法开发和评价的前沿阵地。 **未来展望** 随着基金政策继续向眼科AI与数字疗法倾斜，预计未来五年将涌现更多基于多中心真实世界数据的高质量研究，推动AI产品从“辅助筛查”向“辅助诊断、辅助决策、数字治疗”全链条延伸。视光中心应积极拥抱这一趋势，通过参与多中心研究、建立数据标准、培养兼具临床与信息素养的人才，在眼健康数字化浪潮中占据主动，同时为患者提供更精准、更可及的眼健康服务。