【快讯】从“筛查”到“预测”：AI驱动儿童屈光发育档案迈向动态风险管理

# 从“筛查”到“预测”：AI驱动儿童屈光发育档案迈向动态风险管理 近年来，随着国家近视防控战略的纵深推进，青少年眼健康管理已从“建立档案”的初级阶段，转向基于数据的动态风险预测与精准干预。一场由人工智能与大数据技术深度赋能的屈光发育档案升级行动，正在全国多地视光中心与眼科机构悄然展开。 ## 档案“活”了：从静态记录到动态预警 传统屈光档案多依赖定期检查与人工分析，数据利用效率低，难以捕捉近视发生前的微妙变化。而新一代AI屈光预测模型，通过整合眼轴长度、角膜曲率、屈光度、遗传背景及户外活动时长等多维数据，可提前2~3年预测近视发生风险，并量化进展速度。 以上海某区级眼防中心为例，其部署的“近视风险智能评估系统”已覆盖10万余名中小学生。系统利用梯度提升决策树算法，将眼轴年增长量、年龄、父母近视史等12项指标纳入风险评分，实现个体化预警。数据显示，该系统对高度近视风险的识别敏感度达92%，特异性达88%。 ## 临床转化：从“千人一面”到“一人一策” 动态档案的核心价值在于驱动干预决策。当AI预测某儿童为“快速进展型”时，系统自动推荐角膜塑形镜或离焦框架镜联合低浓度阿托品的强化方案；对“低风险”者则优先行为干预。温州某眼视光医院基于此理念，建立了“AI预判-分级管理-效果追踪”的闭环，使干预启动时间平均提前1.8年，试点学校近视新发率较对照组下降24%。  ## 技术底座：多源异构数据融合与联邦学习 实现精准预测离不开高质量数据。近期，多个研究团队尝试将OCT、眼底照相、波前像差等多模态影像与屈光数据对齐，构建“全维度眼晴画像”。同时，为破解“数据孤岛”，北京某眼科联盟采用联邦学习框架，在10家成员单位间协同训练模型，既保护隐私又提升精度。 ## 行业趋势：视光中心向“眼健康风险管理中枢”演进 在政策推动下，视光中心正在从传统的验光配镜场所，升级为集筛查、预测、干预、随访于一体的区域眼健康管理中心。一些先行者已引入动态档案系统，结合穿戴设备监测户外活动时长，形成“院内外双循环”管理。 不过，业内专家提醒，AI预测虽强，仍需谨慎验证其泛化性。中国医师协会眼科分会近期发布的《儿童屈光发育档案智能化应用专家共识》强调，算法应基于多中心前瞻性队列开发，且定期更新校准。 动态风险管理模式的普及，标志着我国近视防控正从“亡羊补牢”迈向“未雨绸缪”。当每一个孩子的眼健康数据都能“开口说话”，精准量化、循证干预的时代已触手可及。