全球目前有超過 20 億人近視，若不加以矯正，嚴重將損害視力、教育、就業機會和整體生活品質，並預估全球到 2050 年將有近半人口受到近視影響，尤其是高度近視將會引起嚴重的併發症，導致永久性視力喪失，進一步增加個人和經濟負擔，而 AI 模型在診斷具有巨大潛力。
早期診斷對於防止長期視力損害和有效控制近視發展至關重要，而 AI 已成為解決這一日益嚴重的公共衛生問題的希望，例如機器學習 (ML) 和深度學習 (DL)，可以分析複雜的醫療數據以支援疾病診斷、識別風險因素和生物標記以及預測臨床結果。
中國首都醫科大學眼科博士李莉、餘繼峰、劉楠，2025 年 3 月 18 日發表在《兒科調查》雜誌的最新文獻《人工智慧在近視防治的應用》，探討人工智慧在近視背景的應用和當前挑戰，並針對人工智慧如何幫助檢測診斷、風險評估和開發預測模型，以改善患者護理進行討論。
人工智慧近視檢測
團隊指出，目前可以使用機器學習（ML）及深度學習（DL）訓練 AI 模型，從眼底照片和光學相干斷層掃描影像中偵測近視，並透過向模型輸入大量近視患者的眼底影像，教導人工智慧辨別與近視相關的視網膜顏色和圖案的細微變化，這使得模型可以根據眼底照片對未來的患者進行診斷。
諸如 SVOne（使用波前感測器測量眼睛缺陷的手持設備）之類的自我監測設備，可以使用人工智慧演算法來檢測眼睛的屈光不正，並能存取線上影像資料庫，將其作為診斷近視的參考，更可以接受訓練來檢測與近視發作相關的行為變化，這種檢測對於早期發現兒童近視特別有用。
AI 識別近視風險
李莉表示，目前可以採用支援向量機、邏輯迴歸和 XGBoost 等機器學習方法來識別近視的風險因素，因為基於 XGBoost 的模型可以接收大量縱向數據，從而了解眾多患者的近視結果及其相關風險因素，並能根據患者的遺傳、家族史、環境和生理參數來評估相關風險因素。
預測近視的進展和結果可以幫助醫生調整臨床方法，從大範圍來看，AI 可以影響有助於控制近視的臨床實踐和政策制定，並透過向 AI 模型輸入大量近視患者的生物特徵數據、屈光數據、治療反應和眼部影像，進而學會預測患者近視的結果。
AI 診斷仍有挑戰
AI 在近視治療方面具有巨大潛力，但仍需克服若干挑戰，首先是確保用於訓練 AI 模型的資料庫正確且高品質，其次是多數 AI 模型都是使用大型醫院的數據進行訓練的，這些數據可能無法代表前往小型診所的患者情況，這將導致現實世界和訓練人群之間的差異。
最後是 AI 模型不是經過訓練的醫生，可能無法為其診斷提供臨床依據，這可能導致診斷被醫療專業人員拒絕，並由於用於訓練 AI 模型的患者資料量如此之大，因此確保患者醫療記錄的隱私非常重要。
餘繼峰強調，雖然研究顯示 AI 在近視臨床應用方面取得的顯著進展，但仍需進一步研究以克服技術挑戰，並透過建立高品質的資料集，提升模型處理多模態影像資料的能力，以及改進人機互動能力，AI 模型可以進一步改進，從而實現更廣泛的臨床應用。
（首圖來源：ADELAIDE CITY OPTOMETRIST）