GCC厚度对青光眼早期进展检测价值有限
摘要
该研究基于205只眼（125名参与者）的纵向数据，比较了OCT测量的GCC厚度、cpRNFL厚度，以及视野检查的MD和VFI在不同青光眼阶段中检测病情进展的敏感性。采用对比噪声比（CNR）评估，数值越高表示检测能力越强。结果显示，在可疑到轻度青光眼阶段，cpRNFL CNR最高（13.2），GCC为8.7，均显著高于MD（4.5）和VFI（4.8）；但在中重度阶段，各指标间无显著差异。
信息来源： PubMed Ophthalmology 发布于 2026年8月18日
要点速览
- 研究纳入205只眼（125名参与者），使用对比噪声比（CNR）评估不同指标对青光眼进展的检测敏感性。
- 在可疑→轻度青光眼阶段，cpRNFL CNR为13.2，GCC为8.7，均显著高于MD（4.5）和VFI（4.8）。
- 中重度青光眼阶段，结构（GCC、cpRNFL）与功能（MD、VFI）指标间CNR无显著差异。
本站解读
这项研究用客观的对比噪声比（CNR）量化了不同指标对青光眼进展的捕捉能力——在从可疑到轻度的最早期阶段，cpRNFL厚度（CNR=13.2）明显比GCC（CNR=8.7）更敏感，而两者都远超视野指标；但到了中重度阶段，结构与功能指标的CNR差异消失。这意味着GCC并非‘更优替代’，而是‘特定窗口期的补充’：它有用，但不比现有金标准cpRNFL更强。
研究设计扎实：基于真实随访数据，用线性回归残差控制噪声，方法透明；但样本量仅205眼，且晚期患者比例未说明，对中重度阶段的结论仍偏保守。短期内不会改变临床常规——cpRNFL仍是首选监测参数，GCC可作为辅助参考，尤其当视野结果不稳定时。
普通人无需因此调整检查项目或频率；已有青光眼或高风险者，按医生安排定期做OCT和视野检查即可。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
做OCT检查时，医生说要测GCC和cpRNFL，哪个更重要？
目前证据显示，cpRNFL厚度在青光眼早期进展检测中更敏感（CNR=13.2），GCC次之（CNR=8.7）；两者都是OCT常用参数，但cpRNFL仍是首选监测指标。GCC可作为补充，尤其当视野结果波动较大时。具体检查方案应由医生根据病情决定，如有疑虑可咨询眼科医生。
GCC检查能代替视野检查吗？
不能。研究显示，在青光眼早期，GCC虽比视野指标（MD和VFI的CNR均为4.5–4.8）更敏感，但仍不如cpRNFL；到中重度阶段，GCC与视野指标的检测能力已无显著差异。因此GCC不能替代视野检查，二者是互补关系，共同用于全面评估病情。
延伸阅读
AI预测青光眼视野缺损的系统综述
研究系统回顾了36项利用人工智能基于OCT结构数据预测青光眼视野功能变化的论文。这些模型可预测全局视野指数、点位敏感度或视野进展趋势，性能因任务类型、OCT设备、视野检测模式和验证方式而异。部分研究采用热图、遮挡图等技术解释模型决策，生成的结构-功能映射与临床认知一致。但现有模型在晚期青光眼中表现下降，且受限于OCT扫描范围较窄。
AI校正OCT测量提升高度近视青光眼诊断准确率
该研究纳入57只高度近视眼（31只为青光眼，26只为非青光眼），使用Spectralis OCT获取视盘周围RNFL厚度，再通过MGU-Net深度学习算法自动分割视网膜层并校正眼球伸长导致的扫描倾斜，生成AI校正值。结果显示，校正值比原始值平均低15–35 μm；在青光眼眼中，校正后的全局和下鼻象限RNFL变薄更显著；校正后下鼻象限AUC达0.69，联合ST/T/IT校正值的模型AUC升至0.79，优于未校正数据。
用OCT图像和深度学习预测青光眼视野缺损
研究团队基于1640名青光眼患者的OCT视网膜神经纤维层（RNFL）厚度图，使用R2 U-Net、Dense U-Net和Nested U-Net三种深度学习模型预测其视野（VF）检查结果。这是一项回顾性横断面研究，仅分析每位患者左眼数据。结果显示，R2 U-Net在均方误差（MSE）、平均绝对误差（MAE）、结构相似性（SSIM）和峰值信噪比（PSNR）等五项指标上均表现最优，首次证实生成式AI可从结构影像高精度推演功能缺损。