人工智能预测儿童近视进展：基于眼轴长度与角膜曲率的多模态深度学习模型新突破

在青少年近视防控上升为国家战略的背景下，精准预测近视发生与进展成为视光研究的制高点。2025年，一项整合眼轴长度、角膜曲率、屈光度及眼底图像的多模态深度学习模型在《Ophthalmology》发表，实现了儿童近视进展的个体化预测，预测未来2年内快速进展的AUC值达到0.92。该研究来自国家卫健委近视防控重点实验室，基于12万例6-12岁儿童的纵向队列数据，模型不仅纳入传统屈光参数，还首次结合了黄斑区脉络膜厚度形态学特征与周边视网膜离焦状态，通过注意力机制自动提取高危信号。 这一突破契合了当前近视防控的核心痛点：角膜塑形镜（OK镜）验配规范不断收紧、低浓度阿托品获批上市后临床应用的个体化决策，都亟需可靠的预测工具来筛选最适干预人群。该AI模型已在20家视光中心部署，通过智能随访系统动态更新风险评分，指导医生在“观察—光学矫正—联合药物”阶梯干预中精准切入。与既往静态风险计算器不同，该模型可随着每次复查（如3个月眼轴增长）实时调整预测，显著降低了过度治疗与延误治疗的比例。 技术层面，研究者采用了联邦学习框架，在保护数据隐私的前提下联合多家医院训练，模型泛化能力在跨种族验证中表现稳健。同时，系统集成了“可解释AI”模块，为临床医生提供特征重要性排序，例如：10岁儿童眼轴年增长超过0.25mm且黄斑区脉络膜变薄速率加快，则提示向高度近视发展的可能。 业内专家指出，该模型为《中国近视管理白皮书》的更新提供了循证工具，正推动视光行业从“经验性验配”迈向“微米级精准防控”。2025年中华医学会眼科学术大会上，该成果作为“青少年近视防控AI转化”主题的标杆研究被专题讨论。 展望未来，研究团队计划将遗传多基因风险评分与环境因素（户外活动时间、近距离用眼行为）纳入模型，构建更加完备的“环境-基因-光学”预测体系，助力近视防控关口进一步前移至学龄前。