AI模型预测湿性老年黄斑变性治疗时机
摘要
研究开发了一种模块化多任务深度学习框架（MANTIS），利用OCT图像和视力数据，自动识别何时启动抗VEGF治疗。研究纳入122名患者共207只眼，分为两组：未进展为湿性AMD者和已进展并接受治疗者。模型同时完成两项任务：判断是否需启动治疗，以及从OCT中量化外层视网膜厚度（ORT）作为影像生物标志物。
信息来源： PubMed Ophthalmology 发布于 2026年9月1日
要点速览
- 研究纳入122名患者共207只眼，分为未进展和已进展为湿性AMD两组
- 构建了双任务深度学习框架：一为判断是否需启动抗VEGF治疗，二为自动量化外层视网膜厚度（ORT）
- 目标是实现全自动、基于OCT和视力数据的治疗时机判定，以支持更早干预
本站解读
这项研究的核心成果是：用AI在患者尚未出现明显视力下降前，就从常规OCT图像里识别出即将需要打针的信号——不是等视力掉到40分才干预，而是提前捕捉视网膜结构细微变化。样本量122人、207只眼，在同类AI眼科研究中属中等偏小，且为回顾性单中心设计，缺乏外部验证和前瞻性对照，因此结果稳健性有待进一步检验。
短期内很难直接改变临床做法。目前抗VEGF治疗启动仍依赖医生综合判读OCT+视力+症状，而该模型尚未嵌入真实诊疗流，也未通过监管审批。它更可能先作为辅助工具进入阅片平台，而非替代决策。国内情况有待确认。
普通人无需因此改变日常行为。AI模型不改变筛查频率或生活方式建议，也不意味着要更频繁做OCT。如有疑虑可咨询眼科医生。
常见问题
这个AI模型能帮我早点发现黄斑变性要打针吗？
目前还不能直接用于个人筛查。该模型是在已有OCT图像和视力记录基础上做回溯分析，尚未在真实门诊中实时运行，也未获批作为临床诊断工具。它属于研究阶段的技术探索，不替代医生判断。如有疑虑可咨询眼科医生。
以后查OCT是不是就能自动知道该不该打针了？
理论上这是研究目标，但当前模型仅在122名患者数据上验证过，未经过多中心、前瞻性测试，也未集成进医院影像系统。距离成为常规辅助工具还需数年技术迭代与监管审批。它不会改变现有检查流程，OCT仍需由医生综合解读。
延伸阅读
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。
轻量级AI模型可实现高血压视网膜病变床旁分级
研究团队开发了可在边缘设备（如便携式终端）运行的轻量级深度学习模型MobileViT-XXS，用于从en-face OCT图像对高血压视网膜病变（HR）进行患者级四分级评估。基于221名患者的478张OCT图像，在严格患者级划分的五折交叉验证下，该模型准确率达84.4%，ROC-AUC为0.944，kappa值0.916；对需转诊的HR（≥2级）识别准确率达95.6%，敏感度95.2%。模型仅占3.83 MB内存，推理速度达96帧/秒。
AI分析显示DME患者外层视网膜结构损伤模式不同
研究利用AI辅助OCT技术，对1688名糖尿病性黄斑水肿（DME）患者的2355只眼进行横断面分析，量化了外界膜（ELM）和椭圆体带（EZ）中断比例及与积液、炎症灶、视力的关系。结果显示：21.9%的眼睛存在ELM中断，37.6%存在EZ中断；EZ中断更常见，且与炎症性高反射灶增多相关；ELM中断则与视力下降和浆液性视网膜下液负担关联最强。