AI量化眼底豹纹状改变助力近视研究
摘要
该综述梳理了近年利用人工智能（特别是深度学习）对眼底豹纹状改变（FT）进行定量分析的研究进展。重点介绍了眼底豹纹状密度（FTD）的计算方法，及其与眼轴增长、脉络膜变薄和近视程度加重的一致性关联。研究还发现FTD在视盘周围和黄斑区存在空间分布差异，提示其可能作为近视结构性改变的影像学生物标志物。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- AI-derived FTD consistently associated with axial length elongation, choroidal thinning, and increasing myopia severity across multiple cohorts.
- Common analytical frameworks included region-of-interest definition, image normalization, and supervised deep learning-based segmentation.
- Spatial heterogeneity in FTD distribution was reported, especially near the optic disc and macula, supporting its role as a quantitative imaging biomarker.
本站解读
这项综述指出，AI驱动的眼底豹纹状密度（FTD）量化方法已在多个队列中稳定显示出与眼轴延长、脉络膜变薄及近视进展的关联——这意味着它不是偶然信号，而是有重复验证的客观指标。研究设计属于方法学综述，未报告原始样本量，但整合了多项独立研究，技术路径清晰（如感兴趣区域定义、图像归一化、监督式深度学习分割），可信度中等偏上。
不过，目前所有成果均停留在研究阶段：尚未见临床指南采纳FTD作为评估指标，也无商业化AI工具获批用于常规筛查。从论文到诊室，还需完成标准化验证、多中心前瞻性队列测试及监管审批。普通人无需因此改变用眼习惯或检查频率；如有疑虑可咨询眼科医生。
该技术有望提升近视风险分层效率，尤其利于大规模儿童视力筛查中的早期识别。国内情况有待确认。
常见问题
AI看眼底照片真能判断我的近视会不会加重吗？
目前还不能单独靠AI分析眼底豹纹状改变来预测个人近视是否会加重。它只是在群体研究中显示与眼轴变长、脉络膜变薄等变化有关，属于科研阶段的辅助观察指标。临床上仍需结合验光、眼轴测量等综合判断。如有疑虑可咨询眼科医生。
以后查近视是不是只要拍个眼底照，AI就能自动出报告？
短期内还不能。虽然AI量化眼底豹纹状密度（FTD）的技术框架已建立，但尚未进入临床常规应用，也没有获批的成熟产品。当前眼底照仍需医生判读，AI工具尚处于研究验证阶段，距离自动化报告还有较长路径要走。
延伸阅读
急诊科眼底检查被低估，AI与便携成像技术正突破瓶颈
该综述指出，眼底检查是识别危及视力和生命的神经系统与血管疾病（如视乳头水肿、中央视网膜动脉阻塞）的关键手段，但在急诊科使用率极低，主因是传统直接检眼镜操作难、依赖医生经验。近年非散瞳、便携式眼底相机及OCT设备提升了可及性，支持远程判读和远程会诊；深度学习等AI技术已展现出自动解读眼底图像的潜力，大型语言模型也开始辅助诊断与管理决策。
AI通过眼底图像识别心血管疾病风险
研究团队开发了名为AVSeg-XAI的可解释深度学习框架，用于自动区分眼底图像中的动脉与静脉，并提取34个血管几何与拓扑特征。该模型结合15项无创临床指标（如年龄、BMI、血压），在卡塔尔生物银行队列中实现了0.81的CVD风险预测AUC，女性和45–55岁人群表现更优（AUC达0.83和0.90）。研究验证了视网膜微血管作为非侵入性心血管健康标志物的可行性。
AI分析眼底图像发现教师群体中眼底豹纹状密度与近视相关
研究对北京648名教师进行眼底照相和系统检查，利用AI算法量化眼底豹纹状密度（FTD），发现FTD均值为0.0609±0.0743，与球镜等效度（SE=-2.43±2.94 D）显著相关；近距离工作时间长（＞1小时/天，30 cm）与FTD升高有关；FTD对高度近视的区分能力中等（AUC=0.7788），还与中性粒细胞-淋巴细胞比（NLR）、血小板-淋巴细胞比（PLR）等炎症指标相关。