AI识别OCT生物标志物预测糖尿病黄斑水肿治疗效果
摘要
该多中心回顾性研究纳入64名初治糖尿病黄斑水肿（DME）患者共77只眼，使用抗VEGF药物（88.3%为阿柏西普）治疗，平均注射9.93次。通过AI平台分析基线及负荷期后OCT图像，发现基线IRF体积较高、负荷期后外核层（ONL）厚度较低，是12个月结构改善的强预测因子；但视力改善（BCVA）与OCT指标关联较弱。
信息来源： PubMed Ophthalmology 发布于 2026年6月1日
要点速览
- 研究纳入77只初治DME眼，88.3%使用阿柏西普，平均注射9.93次。
- AI平台自动量化OCT中的IRF、SRF、各层厚度及高反射灶等指标。
- 基线IRF体积和负荷期后外核层厚度是12个月结构响应的强预测因子。
本站解读
这项研究用AI工具从常规OCT扫描中挖出了两个实用信号：治疗前眼内积液越多、负荷期后外核层越薄，反而更可能在一年后实现黄斑结构明显恢复。这听起来反直觉，但数据支撑了它——77只眼的样本虽不算庞大，但来自多中心、真实世界治疗场景，且AI分析统一标准，比人工判读更稳定。不过，模型对视力提升的预测力有限，说明结构改善不等于视功能同步好转。
短期内难改变临床做法。AI平台（Discovery OCT Biomarker Detector）由瑞士RetinAI开发，尚未进入国内临床流程；国内情况有待确认。医生目前仍依赖经验判断是否继续打针，而这项研究提示：或许该更关注IRF和ONL的动态变化，而非只盯黄斑中心凹厚度一个数字。
普通人无需因此调整生活习惯或就诊节奏。这些生物标志物需专业设备和算法提取，不构成自我观察指标。如有疑虑可咨询眼科医生。
常见问题
这个AI看眼底能帮我少打几针吗？
不能直接减少注射次数。该研究只是发现两个影像特征可帮助医生预判一年后结构恢复的可能性，并未验证据此调整治疗方案是否安全有效。是否减针、停针仍需医生综合评估。如有疑虑可咨询眼科医生。
我刚查出糖尿病黄斑水肿，现在就该做这种AI分析吗？
目前不需要。这项技术处于研究阶段，所用AI平台尚未成为临床常规工具。当前标准仍是定期OCT检查加医生判断。治疗方案仍以指南推荐的抗VEGF药物为主。如有疑虑可咨询眼科医生。
延伸阅读
AI自动识别OCT图像中的微动脉瘤
研究团队开发了一种基于三维卷积神经网络的AI模型，用于在糖尿病视网膜病变患者的光学相干断层扫描（OCT）图像中自动识别并三维分割微动脉瘤（MAs）。研究纳入125名受试者，涵盖健康眼及各期非增殖性和增殖性DR。模型在测试集上对单次扫描和多次平均扫描的微动脉瘤检测F1分数分别达96.0%和97.1%，并能定位其在内核层和外丛状层的分布。纵向分析显示该模型可追踪治疗前后微动脉瘤的消退与新生。
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。
MultiRetNet：融合眼底与OCT图像的糖尿病视网膜病变分级与DME检测模型
研究提出一种名为MultiRetNet的轻量级可解释AI模型，能同时完成糖尿病视网膜病变（DR）严重程度分级和糖尿病性黄斑水肿（DME）检测。该模型融合同一就诊中采集的彩色眼底照和光学相干断层扫描（OCT）图像，采用双EfficientNet-B0主干网络分别提取特征后拼接，再通过共享全连接层实现多任务学习。研究在425对（共850张）配对图像组成的私有数据集上训练并验证。