背景
儿童斜视早期诊疗对视觉发育至关重要。传统棱镜交替遮盖试验（PACT）依赖医师经验、耗时长且儿童配合差。虚拟现实（VR）联合人工智能（AI）可模拟远近注视与遮盖操作，实现自动化筛查与测量。本研究整合两项横断面研究，评估该体系在儿童斜视诊断及偏斜角度量化中的准确性。

方法

研究一（2024年）：纳入191名受试者（3‑71岁，含儿童），采用VR头显（红外眼动追踪）及基于像素‑棱镜度转换的自动算法，模拟33 cm和6 m处遮盖试验。

研究二（2025年）：纳入110名儿童（3‑18岁；正常28，外斜60，内斜18，垂直4），VR设备相同，AI升级为深度学习模型（SS‑SwinunNet）。
两项金标准均为两位医师手动PACT均值，检查均＜2分钟。采用Kappa、ICC、Bland‑Altman及线性回归评估一致性。

结果

诊断：研究一筛查斜视灵敏度80.3%、特异度80.0%，与金标准中等一致（Kappa=0.598）；研究二灵敏度83.0%、特异度79.0%，一致性中等（Kappa=0.562）。对外斜视、内斜视、垂直斜视的诊断Kappa分别为0.695/0.749、0.755/0.898、0.719/1.000（均P<0.001）。

角度测量：

外斜视：研究一近距ICC=0.587（中等），远距ICC=0.349（低）；研究二近距（R=0.731）、远距（R=0.561）相关性较强但ICC＜0.4，一致性差。

内斜视：研究一远距ICC=0.701（高）；研究二近距相关性高（R=0.760）且Bland‑Altman一致性好，远距R=0.765但Bland‑Altman一致性欠佳。

垂直斜视：研究一近距ICC=0.606（高）；研究二近距相关性弱但Bland‑Altman一致性好，远距无相关性（样本量小）。

结论
VR+AI儿童斜视诊疗体系可快速、无创完成筛查，诊断灵敏度和特异度约80%。早期规则模型对外斜视近距、内斜视远距、垂直斜视近距角度测量有较好准确性；引入深度学习后内斜视近距角度计算更精准，但外斜视和垂直斜视角度测量仍不足。该体系在分类诊断方面表现良好，未来需优化算法、扩大垂直斜视样本并考虑儿童发育差异。