NEI 构建眼细胞数字孪生，眼科研发范式面临重构
摘要
美国国家眼科研究所研究人员开发了关键眼细胞的数字副本，为研究细胞在健康及疾病状态下的组织方式提供了新工具。该技术主要针对年龄相关性黄斑变性，旨在通过数字化模型模拟细胞行为。这意味着未来药物研发可能减少对动物实验的依赖，转而利用计算模型预测疗效。目前该工具处于研究阶段，尚未应用于临床治疗，但为理解眼底疾病机制开辟了新的技术路径，有助于加速相关疗法的开发进程
信息来源： NEI / NIH Research News 发布于 2026年2月19日
要点速览
- NEI 研究人员开发了关键眼细胞的数字副本，用于研究健康及疾病状态下的细胞组织方式
- 该数字孪生工具主要针对年龄相关性黄斑变性，旨在模拟细胞行为以辅助疾病理解
- 目前该技术处于研究阶段，尚未应用于临床治疗，但为理解眼底疾病机制开辟了新技术路径
本站解读
NEI 这次把视网膜色素上皮细胞做成数字孪生，表面看是技术突破，底层其实是眼科研发范式的转移。过去依赖动物模型和临床试验试错，现在试图在硅基世界里预演疾病进程。这对中国药企意味着研发成本结构的潜在重构，尤其是针对湿性黄斑变性这类高发疾病。国内虽然 AI 医疗概念火热，但多数集中在影像筛查，真正深入到细胞机理建模的很少，这导致我们在源头创新上容易受制于人
差距不在算法，而在高质量生物数据的积累。NIH 能做成是因为有几十年的队列数据打底，国内企业若想跟进，得先解决数据孤岛问题。竞争生态上，传统药企可能会加大对计算生物学的投入，纯生物技术公司若没有数据护城河，估值逻辑会变。跨国药企正在利用这类模型优化分子筛选，国内跟进者若只停留在概念层，很快会在管线效率上被拉开差距，尤其是在基因治疗领域
未来要盯着 FDA 是否认可这类模型作为临床试验的替代终点，这才是行业风向标。对于患者，短期无感，长期看能加快新药上市速度。中国眼科产业要想不被卡在底层工具链上，必须从现在开始重视基础生物数据的标准化采集，否则数字孪生只会是别人的游戏。行业需要警惕的是，不要为了融资而炒作概念，真正落地需要跨学科团队的长期磨合
常见问题
这个数字孪生技术能马上治好我的黄斑变性吗
目前这项技术主要用于科研阶段，帮助医生和科学家更好地理解细胞如何生病，还不能直接用来治疗患者。它就像是一个高精度的模拟地图，能帮助研发出更好的药。如有疑虑可咨询眼科医生，目前临床上已有抗血管生成药物等成熟治疗方案可供选择，规范治疗能有效控制病情发展
国内医院现在能用这个技术检查眼睛吗
暂时不能。这是实验室里的研究工具，不是医院的检查设备。它主要是用来帮药企研发新药的，离变成医院的常规检查项目还有很长的路要走。患者目前不需要特意寻找此类检查，定期做眼底 OCT 检查和视力测试才是监控病情的关键手段，具体检查频率遵医嘱即可
延伸阅读
基因研究锁定九个年龄相关性黄斑变性候选致病基因
研究人员整合AMD全基因组关联研究（GWAS）与表达数量性状位点（eQTL）数据，筛选出九个潜在致病基因；再通过斑马鱼活体实验验证，发现其中部分基因下调可导致视网膜结构异常。该研究未提供样本量、发病率或临床试验数据，仅聚焦于基因优先级排序与跨物种功能验证。
黄斑色素光学体积与非新生血管性AMD的关系
研究旨在探讨黄斑色素光学体积（MPOV）在不同阶段的非新生血管性年龄相关性黄斑变性（AMD）中的变化，并分析其与暗适应时间和疾病进展的关系。研究发现，AMD患者的眼睛MPOV值显著高于健康对照组，尤其是在中度AMD阶段。然而，在AMD患者中，较高的MPOV值并未改善暗适应时间，反而与更高的疾病进展风险相关。
NIH 数据共享挑战重塑眼科研发底层逻辑
美国国立卫生研究院宣布数据共享指数挑战一期获胜者，十支团队因概念验证方案获认可。该竞赛旨在通过激励机制打破数据孤岛，提升眼科研究数据的质量与流通效率。此举标志着科研评价体系从单纯追求成果转向重视数据基础设施标准化，为全球眼科创新加速提供底层支持，影响未来研发格局。对于行业而言，数据标准化将成为新的竞争维度，缺乏高质量数据支撑的企业将面临研发效率落后的风险，最终传导至临床诊疗技术的更新速度。