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
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年5月26日
要点速览
- 研究纳入648名北京教师，测得平均球镜等效度为-2.43±2.94 D，平均眼底豹纹状密度（FTD）为0.0609±0.0743。
- AI算法用于量化FTD，并分析其与近视度数、近距离工作时长、眼结构参数及炎症指标（NLR、PLR）的关联。
- FTD对高度近视的区分能力为AUC=0.7788，属中等判别效能；研究结论为观察性，需纵向研究进一步验证。
本站解读
这项研究发现，教师群体中用AI算出的‘眼底豹纹状密度’（FTD）数值越高，近视程度往往越深——平均FTD是0.0609，而高度近视的识别能力达到AUC=0.7788，属于中等水平。它不是诊断工具，但提示FTD可能成为反映近视进展和职业用眼负荷的影像学线索。
研究设计是单中心、横断面观察，样本量648人，在职业人群筛查中算扎实，但无法证明因果关系；比如‘每天近距离工作＞1小时导致FTD升高’只是统计关联，未必是直接结果。这类AI影像标记要进入临床，还需纵向追踪验证其变化是否真能预测近视恶化。
目前它不会改变医生开处方或患者配镜的方式，更不替代验光和眼轴测量。普通人无需因此调整用眼习惯或专门去查FTD——已有近视者继续常规随访即可，如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
AI看眼底照片真能查出我是不是高度近视吗？
不能直接诊断，但研究发现AI计算的‘眼底豹纹状密度’（FTD）数值与近视程度有关，对高度近视的识别能力中等（AUC=0.7788）。它目前只是科研中的潜在标记，尚未用于临床诊断，也不能替代验光、眼轴等标准检查。如有疑虑可咨询眼科医生。
当老师天天看黑板、批作业，会让眼底‘豹纹’更明显吗？
研究发现，每天近距离工作超过1小时（距离30 cm）与眼底豹纹状密度（FTD）升高相关，提示长期近距离用眼可能在眼底留下可量化的影像变化。但这只是统计关联，不等于因果确定。该结果尚处观察阶段，不能据此推断个体风险。
延伸阅读
视网膜血管AI量化分析预测心血管风险
研究团队利用AI工具AutoMorph，从8467名40-70岁健康受试者的眼底照片中提取12项视网膜血管定量指标，涵盖动脉和静脉的密度、宽度、分形维数及迂曲度等。外部验证使用UK Biobank的16249例影像。结果发现动脉指标与血压、血脂、血糖、BMI及睡眠呼吸暂停参数显著相关，且能预测新发心血管事件。研究首次建立年龄与性别分层的视网膜血管参考值体系。
AI眼底成像辅助评估心血管风险的初步研究
该研究在Metabolic机构对1461名40岁以上成人开展回顾性横断面分析，使用Dr. Noon AI平台分析非散瞳眼底照片，生成视网膜心血管风险评分（Reti-CVD）。结果显示Reti-CVD升高与年龄、男性、糖尿病、高血压、HbA1c升高、血压升高、HDL降低、甘油三酯升高及AI预测血管年龄增大显著相关。Reti-CVD与美国心脏协会PREVENT方程的分类一致性有限（Cohen's kappa未给出具体值），但连续评分与PREVENT阈值存在可评估的对应关系。
AI可替代一名医生进行眼底照相初筛
研究回顾性分析6904张眼底彩照，评估AI作为初筛者与一名医生组成双人读片流程的效果。结果显示，对糖尿病视网膜病变和视网膜静脉阻塞，AI-human组合的敏感度（0.974–0.982）和特异度（0.999–1.000）与传统双人人工读片无显著差异，且人均阅片量从2.00–2.10次降至1.02–1.11次；年龄相关性黄斑变性结果因读片组合而异，部分组合敏感度更高（0.916–0.950）。