MIRAGE模型整合基因与眼底图像预测高度近视风险
摘要
研究团队开发了名为MIRAGE的多模态深度学习框架，融合全外显子组基因型数据和眼底彩照，用于个体化预测高度近视风险。该模型在1991人队列中实现AUC达0.963，显著优于单一模态模型；通过可解释性分析识别出GJD2、FGF1等关键基因及视盘、黄斑等重要图像区域，并发现314对显著基因互作关系。
信息来源： PubMed Ophthalmology 发布于 2026年6月9日
要点速览
- MIRAGE模型在1991人队列中实现AUC=0.963，预测高度近视风险准确率高
- 模型融合DeepExGRS遗传风险模块与卷积神经网络影像模块，采用门控注意力机制融合
- 通过可解释性方法识别出GJD2、FGF1等关键基因及视盘、黄斑等关键图像区域
本站解读
MIRAGE的核心突破在于把两类原本割裂的数据——基因型和眼底图像——真正‘融合’起来做预测，而不是简单拼接。它用1991人的数据达到0.963的AUC，说明模型区分高风险和低风险人群的能力很强，但这个样本量仍属中等规模，且未说明是否包含中国人群或验证于独立队列，因此泛化能力有待进一步检验。
目前临床尚无基于基因+影像联合建模的风险评估工具，MIRAGE离实际应用还有明显距离：需要更大规模前瞻性验证、标准化图像采集流程、临床系统集成，以及明确如何将风险评分转化为干预决策。短期内不会改变医生常规筛查方式。
普通人无需因这项研究调整行为，也不必急于做基因检测或额外拍眼底照。高度近视的防控基础仍是定期视力检查和科学用眼，如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
这个AI模型能提前多少年预测我是不是会得高度近视？
原文未说明预测时间跨度，也未报告模型能提前几年预警。它是在已有基因和眼底图像数据基础上做风险分层，不是时间序列预测工具。目前无法据此判断个体将在几岁发展为高度近视。如有疑虑可咨询眼科医生。
我去做个基因检测加拍个眼底照，就能用这个模型算风险吗？
不能。MIRAGE是研究阶段的算法模型，尚未作为临床工具开放使用，也没有商业化产品或服务平台支持个人上传数据获取风险评分。它依赖特定格式的全外显子组基因型和标准化眼底图像，普通体检项目不包含这些。
延伸阅读
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。