【AI眼科观察】从“单点筛查”到“分级诊疗”：AI如何重塑近视防控的协同新生态？

随着多地青少年近视防控指标纳入地方考核，传统的“查视力-配眼镜”模式已难以为继。当筛查数据呈指数级增长，行业正经历一场从“经验驱动”向“算法驱动”的底层逻辑重构。 过去，基层视光机构受限于人力与设备，往往只能提供静态屈光度测量。如今，结合角膜地形图、眼轴长度及双眼视功能的多模态数据，AI大模型正在重新定义风险分层标准。以上海某区域试点为例，通过部署自动化影像解析与进展预测算法，系统能在初次建档时即识别出“眼轴年增速＞0.3mm”的高危队列，并自动触发分级预警。这不仅将干预关口大幅前移，更让有限的医疗资源得以精准投向真正需要临床介入的患者。 在光学干预层面，近期《中华眼科杂志》等权威期刊发布的多项真实世界研究证实，角膜塑形镜与周边离焦镜片在延缓眼轴增长方面具有稳健疗效。然而，长期佩戴的安全性与适配精度仍是痛点。AI数字验光技术的引入，正在破解这一难题。通过眼球生物特征建模与镜片匹配算法，AI可模拟不同曲率基板的贴合状态，预判散光轴位稳定性，从而将试戴调整周期缩短近40%，显著降低因适配不良引发的角膜并发症风险。 更深层的变化在于服务边界的清晰化。强监管与循证升级正在倒逼业态分化：视光中心不再追求“大而全”，而是依托AI辅助决策系统，深耕早期筛查、光学矫治与视觉训练，构建“轻医疗+重服务”的日常管理阵地；而眼科医院则聚焦疑难眼底病、屈光手术及复杂视功能障碍，形成技术高地。两者通过云端数据中台实现双向转诊与长程随访，真正打通“筛、防、管、治”的断点。 AI并非要取代视光师或眼科医生，而是为专业服务装上“导航仪”。当算法接管繁琐的数据交叉比对，从业者得以回归临床本质——关注个体差异，制定人文关怀驱动的个性化方案。近视防控的下半场，属于那些能用技术筑牢底线、用专业赢得信任的协同网络。