近視（Myopia）已成為全球性的公共健康問題，預計至2050年，全球將有近半人口罹患近視。尤其高度近視（high myopia）可能導致永久視力喪失，進一步加重個人與社會的經濟負擔。面對此嚴峻挑戰，人工智能（AI）被視為一項具有革命性潛力的解決方案。
中國科學家在期刊發文，探討AI 在近視疾病上的應用。（網絡圖片）
透過機器學習（ML）與深度學習（DL）等技術， AI可分析大量醫學數據，協助疾病診斷、風險評估與臨床預測。
2025年3月18日，首都醫科大學眼科學系的李莉、餘繼峰與劉楠三位醫師在國際期刊《 Pediatric Investigation 》發表綜述文章，深入探討AI在近視領域的應用與挑戰。他們指出，AI技術正逐步改變近視的篩查、預防與治療策略，有望提升整體醫療服務品質。
影像辨識與行為分析
AI系統可藉由大量視網膜（fundus）與眼底光學斷層掃描（OCT）影像進行訓練，學習識別與近視相關的視網膜變化。例如，透過深度學習模型辨識影像中的色彩與紋理差異，AI能有效預測是否患有近視。
此外，像是SVOne這類具備波前感測器的手持設備，搭配AI演算法能即時偵測眼球的屈光異常。這些裝置可連接雲端資料庫，即時比對影像，提升診斷效率。針對兒童近視早期不易察覺的問題，Vivior Monitor等設備則透過機器學習分析兒童近距離用眼習慣，協助家長與醫師及早掌握視力變化。
AI找出致病因子
AI不僅能診斷疾病，也可分析近視形成與惡化的潛在風險因子。李莉醫師指出：「利用像XGBoost這樣的機器學習模型，結合大量縱向資料，可以找出包括遺傳、家庭史、生活環境、及生理參數等高風險因子，並預測患者未來病情走向。」
這種風險預測模型可幫助臨床醫師量身打造治療計畫，在公共衛生政策上也有助於擬定近視防治策略。
進一步而言，AI若能結合生物計量資料、屈光演變、治療反應與眼底影像，可打造出精準預測模型，預測個別患者未來的視力變化，從而實現個人化醫療。
儘管AI在近視防治中展現出驚人潛力，但仍面臨多重挑戰。首先，AI模型的準確性高度仰賴資料品質，若訓練數據存在偏差、假陰性或假陽性，將嚴重影響診斷結果。其次，目前多數AI模型訓練自大型醫院資料，難以代表基層醫療場景，導致應用落差。
第三，AI雖可給出診斷結果，但無法如臨床醫師般提供診斷依據，使部分醫界人士對其可採信度有所保留。最後，大量醫療數據用於訓練AI模型，也衍生出患者隱私保護的顧慮。
餘繼峰醫師表示：「雖然我們的研究肯定AI於近視臨床應用上的發展，但仍需進一步努力。我們呼籲建立高品質資料庫、強化多模態影像處理能力與人機互動技術，以促使AI能更安全有效地廣泛應用於臨床。」
下載APP