AI-Enhanced Multi-modal Imaging in Pediatric Myopia Control: From Policy-Driven Screening to Precision Intervention

# AI增强多模态影像在儿童近视防控中的创新实践：从政策筛查到精准干预 近年来，我国青少年近视防控已上升为国家战略，政策持续加码，各地校园视力筛查实现常态化。然而，传统筛查依赖裸眼远视力和电脑验光，数据维度单一，难以早期发现眼轴过快增长和脉络膜等结构性改变。影像技术的进步正为这一领域带来革命性突破，尤其是光学相干断层扫描（OCT）和人工智能（AI）的深度融合，正在重塑近视管理的临床路径。 2024年全国眼科年会期间，多位专家强调，“近视管理需要从屈光度数单指标监测，转向眼轴长度、脉络膜厚度、视网膜血流的复合评估”。OCT血管成像（OCTA）可无创、高分辨率地量化黄斑区及视盘周围血流密度，而AI算法能自动分割脉络膜层并识别早期近视性眼底病变。以一项多中心研究为例，基于扫频源OCT的脉络膜厚度地图与眼轴增长模型相结合，可提前6个月预测快速进展性近视，准确率达87%，为早期干预赢得时间窗口。 在干预措施评估方面，角膜塑形镜、多焦点软性接触镜和低浓度阿托品的联合应用成为热点，但其疗效个体差异大，亟需客观的影像学指标指导选择。近期有学者利用眼前段OCT测量角膜塑形镜配戴后的镜片位置和泪液间隙厚度，并通过AI分析周边离焦形态，从而优化镜片参数，将一年眼轴延缓效率提升12%。同时，对于使用0.01%阿托品的儿童，通过OCTA动态监测黄斑中心凹下脉络膜厚度变化，可以敏感地反映药物应答，部分“无应答者”可因此及早调整方案，避免延误治疗。 校园筛查端，便携式OCT设备与远程验光平台的结合正在试点。某省为100所中小学配备了手持式眼底相机和OCT模块，学生检查数据实时上传至区域视光中心，AI引擎即时分析眼底图像和OCT B-scan，标记出视盘倾斜、黄斑变薄等高风险征象，再由眼科医生远程复核。这种“影像采集—AI初筛—专家质控”的模式，使转诊效率提高40%，大幅缓解了基层眼科资源不足的痛点。 值得关注的是，多模态影像数据库的建立与AI模型的可解释性成为目前挑战。多中心影像数据存在设备差异和标注不一致，需要联邦学习和域适应技术来解决。此外，临床决策支持需要AI不仅给出风险评分，还要可视化关键影像特征，例如用热力图显示血流异常区域，增强医生信任度。 展望未来，随着基因治疗和干细胞疗法在视网膜疾病中的转化应用，高分辨影像将在早期疗效评估和细胞整合监测中发挥不可替代的作用。自适应光学OCT已能分辨感光细胞层，结合基因治疗，可望实现从“延缓进展”到“逆转病变”的跃迁。视光中心也正向数字化眼健康管理中心转型，通过整合影像数据、屈光档案和生活行为参数，提供全生命周期的个性化近视防控处方。 从政策推动的群体筛查到影像精准干预，从单一光学矫正到多模态联合管理，影像技术正在书写儿童近视防控的新篇章。AI与OCT的深度结合，不仅提升了诊断效能，更推动了眼科医疗的同质化和智能化，让每个孩子都拥有清晰“视界”的梦想更近一步。