全球目前有超过20亿人近视，若不加以矫正，严重将损害视力、教育、就业机会和整体生活品质，并预估全球到2050年将有近半人口受到近视影响，尤其是高度近视将会引起严重的并发症，导致永久性视力丧失，进一步增加个人和经济负担，而AI模型在诊断具有巨大潜力。
早期诊断对于防止长期视力损害和有效控制近视发展至关重要，而AI已成为解决这一日益严重的公共卫生问题的希望，例如机器学习 (ML) 和深度学习 (DL)，可以分析复杂的医疗数据以支持疾病诊断、识别风险因素和生物标记以及预测临床结果。
中国首都医科大学眼科博士李莉、余继峰、刘楠，2025年3月18日发表在《儿科调查》杂志的最新文献《人工智能在近视防治的应用》，探讨人工智能在近视背景的应用和当前挑战，并针对人工智能如何帮助检测诊断、风险评估和开发预测模型，以改善患者护理进行讨论。
人工智能近视检测团队指出，目前可以使用机器学习（ML）及深度学习（DL）训练AI模型，从眼底照片和光学相干断层扫描形象中侦测近视，并通过向模型输入大量近视患者的眼底形象，教导人工智能辨别与近视相关的视网膜颜色和图案的细微变化，这使得模型可以根据眼底照片对未来的患者进行诊断。
诸如SVOne（使用波前传感器测量眼睛缺陷的手持设备）之类的自我监测设备，可以使用人工智能算法来检测眼睛的屈光不正，并能访问线上形象数据库，将其作为诊断近视的参考，更可以接受训练来检测与近视发作相关的行为变化，这种检测对于早期发现儿童近视特别有用。
AI识别近视风险李莉表示，目前可以采用支持矢量机、逻辑回归和XGBoost等机器学习方法来识别近视的风险因素，因为基于XGBoost的模型可以接收大量纵向数据，从而了解众多患者的近视结果及其相关风险因素，并能根据患者的遗传、家族史、环境和生理参数来评估相关风险因素。
预测近视的进展和结果可以帮助医生调整临床方法，从大范围来看，AI可以影响有助于控制近视的临床实践和政策制定，并通过向AI模型输入大量近视患者的生物特征数据、屈光数据、治疗反应和眼部形象，进而学会预测患者近视的结果。
AI诊断仍有挑战AI在近视治疗方面具有巨大潜力，但仍需克服若干挑战，首先是确保修于训练AI模型的数据库正确且高品质，其次是多数AI模型都是使用大型医院的数据进行训练的，这些数据可能无法代表前往小型诊所的患者情况，这将导致现实世界和训练人群之间的差异。
最后是AI模型不是经过训练的医生，可能无法为其诊断提供临床依据，这可能导致诊断被医疗专业人员拒绝，并由于用于训练AI模型的患者数据量如此之大，因此确保患者医疗记录的隐私非常重要。
余继峰强调，虽然研究显示AI在近视临床应用方面取得的显著进展，但仍需进一步研究以克服技术挑战，并通过创建高品质的数据集，提升模型处理多模态形象数据的能力，以及改进人机互动能力，AI模型可以进一步改进，从而实现更广泛的临床应用。
（首图来源：ADELAIDE CITY OPTOMETRIST）
