AI通过眼底微血管特征预测儿童病理性近视风险
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年6月4日
要点速览
- 研究纳入375名儿童高度近视患者，中位随访15.0年，64人（17.1%）发展为病理性近视。
- AI模型整合眼底血管表型、生物测量及扫频OCT参数，构建了公开可用的风险预测平台（SMART-PM）。
- 模型区分能力极强（AUROC 0.96），加入生物测量数据后提升至0.98。
本站解读
这项研究首次在儿童高度近视群体中，用长达15年的随访数据证实：眼底微血管结构变化（如血管密度下降，OR=9.69）比单纯眼轴长度更能提前预警病理性近视——不是等眼底出血或萎缩出现才干预，而是从血管‘皱缩’阶段就识别高危者。样本量375人、中位随访15年，在纵向眼科研究中属扎实设计，但全部来自单一队列，模型泛化能力仍需多中心验证。
短期内难直接改变临床常规：现有筛查仍依赖眼轴、屈光度和OCT，而该AI工具需标准化眼底照相与SS-OCT数据输入，基层医院尚不具备条件；且论文未报告模型在真实门诊场景中的误报率或操作耗时。不过，它把‘风险分层’从粗略的‘-6D以上要警惕’推进到量化评分，为未来纳入体检或转诊路径提供了技术锚点。国内情况有待确认。
普通人无需因此改变日常用眼习惯或增加检查频次——这些预测指标无法通过自我观察或普通验光获得。家长若已知孩子确诊高度近视，可了解该模型存在，但不必主动寻求相关检测；如有疑虑可咨询眼科医生。
常见问题
我家孩子近视-7.00D，这个AI预测能告诉我们他以后会不会瞎？
不能预测‘会不会瞎’，但能评估未来发生病理性近视（如脉络膜新生血管、视网膜脱离等致盲性并发症）的风险高低。研究显示，血管密度低、眼轴增长快等指标组合可将高风险者识别出来，AUROC达0.96。这属于专业风险分层工具，不用于个体确诊或替代医生判断。如有疑虑可咨询眼科医生。
这个AI工具现在能在医院里用吗？
研究团队已开发出名为SMART-PM的公开网络预测平台，但尚未说明是否已在临床常规部署。该工具需输入标准化眼底照片、眼轴数据和扫频OCT参数，目前对设备和操作有较高要求，暂不适合快速筛查场景。它更可能先用于专科中心的高危儿童随访管理。
延伸阅读
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。
AI增强OCT可准确量化冠状动脉斑块负荷
研究团队开发了一种深度学习算法，用于全自动分析光学相干断层扫描（OCT）图像，以量化冠状动脉斑块负荷（PB）和血管尺寸。研究使用10例尸检人的心脏，对29支主要冠状动脉进行OCT和血管内超声（IVUS）成像，并与组织病理学金标准对比。共获得852个匹配的横截面数据，结果显示AI-OCT与病理结果的相关性不劣于IVUS，且无统计学显著差异。
玻璃体切除术后近视性牵引性黄斑病变可暂时缓解
一项发表于《Eye》的多中心病例系列研究，对5名接受玻璃体切除术的近视性牵引性黄斑病变患者进行了长期随访，提出‘术后暂时性缓解’这一新概念：部分患者在术后早期黄斑结构改善、症状减轻，但后续出现复发或进展。