多模态多任务AI模型优化角膜塑形镜适配
摘要
本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。
信息来源： PubMed Ophthalmology 发布于 2026年4月1日
要点速览
- 研究开发了一种多模态多任务AI模型，用于分类角膜地形图模式和预测眼轴增长。
- 模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。
- 研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率及推荐镜片参数方面表现优异。
本站解读
这项研究揭示了眼科领域技术路线的重大变迁，即从传统的经验性适配转向基于大数据和人工智能的精准医疗。这种转变不仅提高了Ortho-K镜片的适配精度，还显著增强了对近视控制效果的预测能力。国内外研发管线中，类似的技术创新正在逐步推进，但国内企业在这一领域的布局相对滞后，这可能会影响其在未来市场中的竞争力。
从行业竞争生态来看，这项技术的应用将重塑现有的护城河。传统镜片制造商需要迅速适应新的技术趋势，否则可能会被新兴的AI驱动型企业所取代。此外，随着更多数据的积累和技术的迭代，未来的研究将进一步优化模型性能，提高其在实际临床应用中的可靠性和准确性。
后续需要密切留意的是，各大企业是否会加大在AI辅助诊断和治疗方面的研发投入，以及这些技术能否顺利通过监管审批并进入临床实践。这对于中国眼科行业来说，既是挑战也是机遇，有望推动整个行业的技术进步和服务水平提升。
常见问题
这个AI模型能帮助我更好地选择角膜塑形镜吗？
是的，这个AI模型能够通过分析你的角膜地形图和预测眼轴增长，为你推荐最适合的角膜塑形镜参数。如有疑虑可咨询眼科医生。
使用这种AI模型有什么好处？
这种AI模型可以提高角膜塑形镜的适配精度，并更准确地预测近视控制效果，从而提供更好的视觉矫正和近视管理。
延伸阅读
光学区直径5mm角膜塑形镜控制近视效果略优
一项针对84名青少年的回顾性研究比较了5mm与6mm光学区直径（BOZD）角膜塑形镜对近视控制的效果。12个月后，5mm组眼轴增长为0.25±0.17mm，6mm组为0.29±0.16mm；5mm组周边正焦环直径（PPRD）更小、离焦量更高。研究认为，在低至中度散光青少年中，5mm BOZD镜片在延缓眼轴增长方面略优于6mm镜片，且佩戴1个月后的PPRD值可能预测后续控制效果。
大型语言模型在角膜塑形镜初次试戴参数选择中的辅助作用评估
本研究旨在评估大型语言模型（LLMs）在角膜塑形镜（Ortho-K）初次试戴参数选择中的辅助作用。通过回顾性分析，使用了四种LLMs（GPT-4o, GPT-o3, GPT-4.1和Claude 3.7 Sonnet）来分析屈光不正病例，并获取关于初次试戴镜片参数的建议。主观评价包括答案的准确性和整体质量，客观评价则关注初次试戴镜片参数的差异。结果显示，不同模型的准确性存在显著差异，且系统性参数偏差主要涉及BC和RZD。结论是，LLMs可以支持常规CRT相关的决策支持，但初次试戴镜片参数的选择仍需可行性约束和临床医生的验证。
角膜塑形镜治疗区直径与瞳孔大小关系分析
研究回顾性分析31名佩戴Paragon CRT角膜塑形镜（BOZD=6mm）的青少年近视患者，随访4年。结果显示：水平方向治疗区直径均值为2.45±1.11mm，最大屈光力变化位置在颞侧2.16±0.23mm、鼻侧1.65±0.29mm；平均瞳孔直径3.37±0.64mm，显著大于治疗区直径；颞侧瞳孔大小与治疗区直径呈显著负相关。结论指出，起效所需的周边离焦区域可能超出瞳孔范围，尤其在强光下。