AI眼模型提升儿童散瞳后验光准确性
摘要
研究开发了一种受数字孪生启发的患者特异性眼-晶状体模拟框架，用于儿童散瞳后配镜处方。在183名平均年龄9.9岁的儿童中，该AI波前验光法与主观验光的球镜等效值（SE）平均差异为0.04±0.35D，无统计学显著差异；而传统自动验光差异为0.21±0.52D（P<0.001）。AI方法在SE上91.3%的处方误差≤0.50D，高于传统法的86.9%。
信息来源： PubMed Ophthalmology 发布于 2026年10月5日
要点速览
- 该研究在183名儿童中验证了AI波前验光法对散瞳后球镜等效值（SE）的估计更接近主观验光结果
- 框架整合MEMS Shack-Hartmann波前数据、图像质量门控、虚拟试戴镜片模拟和扰动感知优化算法
- AI波前验光在SE上91.3%的误差≤0.50D，优于传统自动验光的86.9%；但尚未纳入真实佩戴反馈和长期更新
本站解读
这项研究发现，一种融合微机电系统波前数据、虚拟试戴镜片模拟和AI优化的新框架，在儿童散瞳后验光中比传统自动验光更接近医生手动主观验光结果——尤其在球镜等效值（SE）上，平均偏差仅0.04D，且91.3%的结果误差控制在±0.50D以内。样本量183例、前瞻性随机设计、设盲主观验光作为金标准，方法学扎实，结论可信度较高。
但它目前只是‘上游决策支持’，不能替代最终配镜确认；真实佩戴反馈和长期模型迭代尚未验证，离临床常规使用还有距离。短期内不会改变验光流程，更不会取代医生判断。国内情况有待确认。
普通人无需因此调整用眼习惯或提前配镜，孩子若已确诊屈光不正，按医嘱完成散瞳和验光即可。新技术未来可能缩短验光时间、减少反复试戴，但当前仍需依赖专业主观验光结果。
常见问题
这个AI验光准不准？能直接用来配眼镜吗？
目前还不能直接配镜。研究显示它对球镜等效值的估计比传统自动验光更接近医生主观验光（91.3%误差≤0.50D），但仍需以主观验光为最终依据。它定位是辅助工具，不是替代方案。如有疑虑可咨询眼科医生。
孩子做这种AI验光要多花钱或多花时间吗？
研究未涉及费用和耗时比较。该框架尚处临床验证阶段，未进入常规服务流程，目前儿童散瞳后验光仍采用既有方式。是否增加成本或时间，取决于后续产品化路径，原文未提供相关信息。
延伸阅读
AI通过眼底微血管特征预测儿童病理性近视风险
研究基于中山高近视队列375名双眼高度近视儿童（等效球镜≤-6.00D），中位随访15.0年，发现视网膜血管密度降低、分形维数减小、动静脉管径变窄、脉络膜变薄及早期眼轴增长更快等指标可独立预测病理性近视发生。AI模型AUROC达0.96，整合生物测量数据后升至0.98，并开发了公开可用的风险预测平台。
SSR-Stacking：基于班级关系图的儿童高度近视预测模型
研究团队提出SSR-Stacking框架，用于在基线球镜度数（SE）缺失情况下预测儿童随访终点的高度近视状态。该模型融合图神经网络与集成学习，构建以学校班级为单位的社会-环境图，并通过自监督重建机制从同班同学数据中补全缺失SE值，再经元堆叠层整合XGBoost、SVM和随机森林等分类器。评估基于一项纵向队列数据，未提供具体样本量或准确率数字。
全球首个眼科基础模型Global RETFound启动
研究团队发起国际协作计划，开发名为Global RETFound的开源眼科基础模型，使用合成与匿名真实眼底彩照预训练。截至2026年7月10日，已有78国232家机构加入，39国提交88项数据资产（生成式AI权重或真实眼底照片）。目标是提升模型对拉丁美洲、非洲、中东和中亚等代表性不足人群的泛化能力，推动公平、可推广的眼科及系统性疾病AI应用。