从“被动建档”到“主动预警”：政府考核导向下视力健康档案与AI多模态影像融合的近视风险预测模型及区域视光协同网络构建

随着儿童青少年近视防控正式纳入地方政府绩效考核，视力健康档案的建设已从“任务指标”向“公共卫生数字资产”演进。然而，当前基层的视力档案多局限于静态的屈光度与眼轴数据，缺乏对眼底微环境及生物学标志物的动态追踪，导致高度近视风险的早期预警能力存在明显滞后。与此同时，传统眼镜店向专业视光中心加速转型，但视光专业人才在面对复杂多模态数据时，往往暴露出临床解读能力的短板。如何打破数据孤岛，实现从“被动建档”到“主动预警”的跨越，成为当前眼视光学术界与产业界亟待攻克的课题。 在近期的多中心队列研究中，学者们开始探索将AI辅助眼底筛查技术深度嵌入视力健康档案系统。传统的眼底筛查高度依赖眼科医师的阅片经验，而基于深度学习的AI影像诊断技术，能够以毫秒级速度精准识别眼底血管形态变异、脉络膜厚度衰减及黄斑区微小病变。将AI提取的眼底多维特征与儿童的屈光发育轨迹进行非线性拟合，可构建出高灵敏度的“屈光-眼底”双维度近视进展预测模型。这种多模态数据的融合，不仅将高度近视眼底病变的防线前移，更为后续干预手段（如角膜塑形镜、多点离焦镜片或0.01%阿托品）的精准适配提供了循证依据。  在区域视光协同网络的构建上，学术界的共识正从“单点干预”转向“网格化闭环管理”。依托AI赋能的视力健康档案，基层学校与社区卫生服务中心可完成高效的初筛与风险分层；对于中高风险人群，则精准导流至专业视光中心进行深度视功能评估与医疗级干预。这一路径的落地，对正处于转型期的视光中心提出了严苛要求。视光师的角色必须从单一的“屈光矫正提供者”升级为“视觉健康管理者”。这就要求行业在视光人才培养中，增设AI辅助诊断工具应用、眼底影像基础判读以及药物处方边界管理等核心胜任力模块，以填补专业人才的结构性缺口。 从公共卫生视角来看，视力健康档案与AI底层技术的深度耦合，不仅是近视防控技术手段的迭代，更是眼视光服务模式的底层重构。未来，随着更多真实世界数据的反哺与算法模型的优化，基于数字档案的主动预警网络将彻底打通预防、筛查、干预与随访的全链条，为儿童青少年视力健康构筑起一道坚实的“数字防线”。