首都医科大学附属北京同仁医院魏文斌教授在开场中指出，近视已成为我国致盲和视力损伤首要原因，高度近视并发症则是临床沉重负担，上升至国家战略关注层面。其门诊约半数患者为高度近视眼底并发症，缺乏有效治疗手段，严重的视力衰退可降至0.1。他认为，近视防控的核心可归结为两个层面：一是关口前移，聚焦近视前期与低龄儿童，减少近视发生、延缓发病年龄，从而压低高度近视占比；二是对已确诊近视人群开展长期监测，预防其进展为高度近视。与此同时，引入AI技术，依托眼底影像、OCT、眼轴等多模态眼科数据，可对高度近视、病理性近视及其进展风险进行预测；经团队长期随访验证，该方案具有较高的预测准确度。

然而，现有干预近视手段正面临共性瓶颈。无论是OK镜、多焦软镜还是离焦框架镜，其核心都依赖静态光学信号，在视网膜逐渐适应静态光学信号后，眼轴增长将重新加速。这不是个别产品的问题，而是所有静态光学干预共同面临的系统性规律。

更棘手的是，临床缺乏“神经适应”的量化评估标准：何时判定应答衰减？多久调整方案？调整幅度如何把握？均无充分循证依据。医生只能凭经验判断，而患者只能在处方更换中试错。其深层症结在于近视防控长期依赖经验医学，专家隐性知识难以规模化传递。基层机构即便配备同样设备，也未必能做出同样精准的决策。

本次沙龙因此指向一个根本问题：如何把临床智慧转化为可复制、可验证的系统能力？

与会专家给出的答案是：用动态光学打破神经适应，用AI智能决策实现精准验配。前者解决“用什么干预”，后者解决“怎么决策”，二者共同构成从经验医学走向数据医学的闭环。

破局路径，是将近视防控从“测度数、配镜片”升级为一套贯穿全周期的健康管理流程。其路径可概括为六个环节的闭环：屈光档案建立→智能验配决策→动态光学干预→规律复查追踪→处方动态调整→AI模型迭代。

这条链条有两个技术支点：一是动态光学干预，针对静态离焦的神经适应问题；二是AI智能决策，针对经验验配的“千人一方”问题。

作为技术落地的重要支撑，中景纬视副总经理兼CMO李哲闯博士介绍了戴美克动态光学膜的产品逻辑与研发布局。她指出，依托S.T.O.P Kit（时间·空间·光学·相位）技术打造的戴美克动态光学膜，是一项以“动态设计”为核心的突破性创新光学品类，也是业内全球唯一的医疗应用光学膜材料技术平台。戴美克动态光学膜可直接向视网膜提供持续变化的动态光学信号，打破神经适应性，避免静态光学刺激下的应答衰减。这不是传统离焦路径的参数叠加，而是从视网膜接收端重新思考光学干预方式。

在研发与制造端，中景纬视实现了“澳洲共研、美国制造、中国运营”：与澳洲团队共研，链接前沿视光与材料研究；与美国合作光刻技术工艺，保障精密制造与品质一致性；在中国打造本土品牌，承接全球多中心临床需求与服务落地，形成了跨域协同的全球共创生态，并构建了面向全球多国的PCT专利布局。

未来，戴美克将拓展光学设计矩阵，覆盖不同年龄、进展阶段与视觉反应特征的儿童青少年；临床端结合个性化验配与复查数据，形成“个性化验配—规律复查—处方交换”的动态管理闭环。这意味着近视防控不再是一次性服务，而是可追溯、可干预的视觉健康管理方案。

近视防控产品进入临床使用，关键在于前期形成严谨的RCT数据支撑。

天津市眼科医院李丽华教授分享了与复旦大学附属眼耳鼻喉科医院陈志教授团队合作完成的全球多中心RCT研究（2025年8月发表于《Ophthalmology》）：两种S.T.O.P Kit设计组眼轴增长分别为0.083mm和0.095mm，显著低于对照组的0.169mm；等效球镜进展分别少0.135D和0.134D；三组视力和主观视觉评分无显著差异。

这传递出两个关键信息：动态光学干预延缓眼轴增长与屈光进展表现积极，且防控有效的同时视觉质量不打折，为动态光学技术提供了高级别循证依据。

如果说动态光学解决了“干预工具”的问题，那么AI要解决的，是“决策能力”的问题。

首都医科大学附属北京同仁医院魏文斌教授分享了由北京同仁医院牵头发起的“基于机器学习算法S.T.O.P Kit干预儿童近视进展的个体化疗效”多中心、大样本、回顾性真实世界研究项目：依托海量临床数据训练AI算法模型，搭建“检查—决策—随访”全流程闭环体系，根据个体化屈光档案自动匹配最优方案、预判疗效，打破“千人一方”的局限。

魏文斌教授同时担任人工智能研究与评测工业和信息化部重点实验室主任，以及本次研究项目的临床总牵头人。该实验室的核心使命是“创新”与“标准”：以创新驱动技术突破，以标准引领行业规范。也正因如此，这一AI合作项目从起步就不是单点算法尝试，而是国家平台、临床场景、真实世界数据与产业转化共同支撑的系统工程。

中景纬视创始人/CEO顾佳佳女士表示，产品与参数再丰富，最终临床验配决策仍在各位专家手中。期待将专家的验配逻辑“教”给AI，让它基于屈光档案自动推荐方案、预测应答，沉淀为可复制、可验证的系统。更重要的是，多中心数据正在持续“喂养进化”。让AI更懂临床、更懂患者。在她看来，个性化验配只是AI落地的第一步，未来将延伸至全生命周期眼健康管理，从三甲医院下沉到县域、社区、校园和家庭——AI不是替代医生，而是把顶尖专家的诊疗逻辑变成基层可调用的能力，让优质眼科资源更公平、更可及、更普惠。

复旦大学附属眼耳鼻喉科医院陈志教授从机制、疗效规律到停药反弹三个层面，构建了完整的循证底座，证实静态离焦信号一旦撤除，控制效应即快速回落。

北京大学人民医院王凯教授分享了中山大学中山眼科中心韩晓彤教授团队的真实世界研究，进一步明确了换镜的循证边界。

山东第一医科大学附属青岛眼科医院杜显丽教授则将“个性化验配”还原为可执行的临床流程，让精准防控不再停留在理念层面。

与会专家一致认同这一转型路径：从被动矫正走向主动干预，从经验判断走向数据智能，从单次交易走向全生命周期视觉健康管理。AI个性化验配的民生意义，在于让“数据多跑路、群众少跑腿”。它只是AI进入眼健康领域的第一站，未来更多项目应走向基层、走向学校、走向社区，让每个孩子都能被筛查、被管理、被精准干预。技术向上，最终要落到民生向下。

天津市眼科医院李丽华教授在总结中指出，本次会议完成了“问题溯源—循证验证—临床应对—流程优化—技术升级—智能赋能”的全链条研讨。未来，行业将持续依托多中心临床数据积累，完善动态近视防控诊疗体系，细化个性化验配标准，推进AI智能验配模型落地应用，同时整理发布本次沙龙专家共识纪要，为全国儿童青少年精准近视防控提供权威、落地的临床参考。