基金政策赋能眼健康数据治理：从多源异构整合到隐私计算的资助新范式

随着青少年近视防控纳入政府考核，各地视光中心积累了大量筛查、验配、随访数据。然而，这些数据分散在不同机构，格式不一，质量参差，形成“数据孤岛”。如何整合利用这些数据，为政策制定和临床研究提供支持，成为亟待解决的问题。 国家自然科学基金在医学科学领域持续加大对健康医疗大数据研究的资助力度，尤其关注数据治理、隐私保护和人工智能算法。在眼科方向，基金鼓励利用多源数据开展近视流行病学、干预效果评估和预测模型研究。 近期，某省视光联盟在基金资助下，建立了区域性儿童屈光发育数据平台，通过统一数据标准、清洗脱敏，整合了300万条筛查记录，并引入联邦学习技术，在保护隐私前提下训练近视进展预测模型，准确率达85%以上。这一实践展示了数据治理在眼健康领域的潜力。 基金政策正从单一项目支持转向平台建设和生态培育，鼓励视光中心与高校、企业合作，构建“数据-技术-服务”闭环。例如，2023年国家自然科学基金指南中，医学科学部新增“健康数据科学”方向，鼓励跨学科团队申报。 对于视光中心而言，参与此类项目不仅能提升科研能力，还能推动服务标准化和精准化。未来，基于大数据和人工智能的个体化近视管理方案将更加成熟，而基金政策将继续发挥杠杆作用，促进眼健康数据要素的价值释放。  **关键词**：眼健康数据治理，多源异构整合，隐私计算，联邦学习，国家自然科学基金，视光中心，近视防控，大数据平台