AI辅助眼底影像筛查在社区近视防控中的落地与视光中心协同模式

随着国家对青少年近视防控的持续加码，基层筛查的效率和准确性成为政策落地的关键瓶颈。近年来，基于深度学习的人工智能（AI）眼底影像分析技术逐步从科研走向临床，尤其在社区和校园筛查场景中展现出独特优势。传统筛查依赖视力检查和电脑验光，难以早期识别近视相关的眼底结构性改变，如豹纹状眼底、视盘旁萎缩弧等。AI辅助的眼底照相分析，可在数秒内完成对黄斑、视盘及周边视网膜的自动评估，并结合眼轴长度等参数，对高度近视风险进行分层预警。 2024年发表在《中华眼科杂志》的一项多中心研究显示，在社区筛查中引入AI辅助眼底阅片，使近视相关眼底异常的检出率提升了约23%，并将转诊效率提高了近40%。这一模式的实质是将专科医院的诊断能力通过技术下沉至基层，为视光中心提供了新的服务抓手。视光中心作为连接社区与专科医院的中间环节，可承接AI初筛后的高风险人群，开展进一步的眼轴监测、眼底复查及个性化干预方案制定。 值得关注的是，AI筛查的普及也带来数据标准化和隐私安全的挑战。目前，多个省市正在探索建立区域性眼健康大数据平台，整合校园筛查、视光中心随访和医院诊疗数据，形成动态的近视防控地图。这种“AI初筛-视光中心复核-医院确诊”的三级网络，有望破解基层眼科资源不足的困境。 此外，国际眼科会议如ARVO 2024也聚焦了AI在近视预测模型中的最新进展，包括结合遗传易感性、环境因素和影像特征的联合预测算法。这些科研动态为临床实践提供了新的工具，但如何在真实世界中验证其成本效益和长期稳定性，仍需更多前瞻性研究。 总之，AI辅助眼底筛查不仅是技术升级，更是近视防控体系重构的催化剂。视光中心需主动拥抱这一变革，将技术嵌入服务流程，实现从单纯验光配镜向眼健康管理闭环的转型。