临床研究｜从“屈光数值”到“生长轨迹”：AI驱动的青少年近视长程队列研究与基层转化路径

近年来，随着国家卫健委等多部门连续出台青少年近视防控实施方案，校园常态化筛查与屈光健康档案的建立已全面落地。这一政策导向正在深刻重塑视光领域的临床研究范式：过去聚焦于医院围墙内的短期随机对照试验（RCT），正加速向覆盖社区视光中心与基层眼科门诊的真实世界长程队列研究延伸。 传统临床研究多以静态屈光度或单次远视储备评估作为终点指标，但近期多项发表于《中华眼科杂志》及国际视光学顶刊的研究明确指出，**眼轴长度（AL）的动态变化率才是评估近视进展的生物学金标准**。然而，眼轴的连续性测量高度依赖高频随访与数据清洗。在此背景下，人工智能算法与高精度光学生物测量技术的融合成为破局关键。以一项涵盖华东地区5省市的多中心真实世界队列为例，研究团队在28个社区医疗网点部署便携化光学生物测量设备，并接入近视预测AI模型。系统通过每三个月自动抓取眼轴增速、调节滞后量、双眼视功能参数及户外暴露时长，构建个体化的风险预警曲线。临床数据显示，该联合模型对快速进展型近视（AL年增速>0.35mm）的早期识别灵敏度达91.4%，显著优于常规散瞳验光判断。 技术迭代的背后，是服务网络规范与监管体系的重构。随着国家对眼镜店验光配镜资质的严查与虚假宣传整治，数据采集的标准化已成为临床研究质量的底线。实证表明，非医疗级机构的仪器校准偏差可导致约0.15D的屈光误差，直接干扰干预方案的制定。因此，具备医疗属性的专业视光中心正承担起重构“筛-评-管”闭环的核心角色。临床路径已从单一的“配镜矫正”转向分层管理：一线推荐多点离焦框架镜延缓进展；控制不佳者规范引入角膜塑形镜或低浓度阿托品，并辅以视功能训练改善调节集合失衡。 展望未来，近视防控的临床研究将彻底告别“产品单兵验证”时代。当海量基层随访数据与中央分析平台打通，临床决策将实现从“经验主导”向“数字孪生推演”的跨越。这不仅要求临床医师掌握更精准的光学生物测量与视功能分析技能，更呼唤学界建立统一的数据共享标准与伦理审查框架。唯有让研究扎根于真实的社区场景，青少年近视防控才能真正完成从被动治疗向主动生命周期管理的跃迁。