人工智能驱动的角膜塑形镜适配性评估：基于角膜地形图与眼轴生长预测的精准验配新突破

在青少年近视防控领域，角膜塑形镜（OK镜）作为有效的光学干预手段，其验配的精准性与安全性长期受到关注。近期，一项整合人工智能（AI）与多模态眼科数据的突破性研究，为OK镜的个性化适配与近视控制效果预测开辟了新路径。该研究由中山大学中山眼科中心团队主导，联合多家视光中心，利用深度学习算法分析万余例青少年角膜地形图、眼轴长度、屈光度及配戴后角膜形态变化数据，构建了“OK镜适配性智能评估模型”。模型能自动识别角膜形态特征，预测镜片定位与塑形效果，并将预测精度提升至93%以上，显著高于传统经验性试戴评估。 研究尤其聚焦于眼轴长度的动态变化。通过整合配戴前基线与配戴后季度性眼轴监测数据，模型能提前6个月预警近视进展加速风险，并给出镜片参数调整建议。这一突破与当前国家“光明行动”推动的儿童眼健康电子档案建设高度契合，可无缝对接视力筛查数据平台，实现从筛查到干预的闭环管理。 此外，研究团队在最新一期《Ophthalmology》期刊报道了多中心验证结果：采用AI辅助验配的组别，一年内眼轴增长平均减缓0.15mm，且镜片偏位、角膜上皮损伤等并发症发生率降低约30%。该成果在2025年视觉与眼科学研究协会（ARVO）年会上引发热议，被认为是继低浓度阿托品上市后，近视防控领域又一从“经验驱动”迈向“数据驱动”的里程碑。业内人士指出，该模型有望嵌入视光中心数字化管理系统，推动行业服务标准升级，也为未来OK镜集采与监管提供了客观的量化工具。