视网膜伪小疣和 drusen 体积预测晚期AMD进展
摘要
研究团队用深度学习算法自动分割并量化OCT图像中的视网膜伪小疣（RPD）和各类drusen体积，纳入51只眼（平均年龄74.9岁），随访约24个月。结果显示，基线RPD体积每增加0.01 mm³，进展为晚期年龄相关性黄斑变性（AMD）的风险升高8.2%；总drusen体积每增加0.01 mm³，风险升高8.0%。大型drusen和drusen样色素上皮脱离（PED）体积也独立关联进展风险。
信息来源： PubMed Ophthalmology 发布于 2026年6月23日
要点速览
- 研究纳入51只眼，平均年龄74.9岁，随访24.2±1.20个月，39.2%（20眼）进展为晚期AMD。
- 采用深度学习算法自动分割OCT图像，量化RPD、大型drusen及drusen样PED体积。
- 基线RPD体积每增加0.01 mm³，晚期AMD进展风险升高8.2%（HR=1.082，p=0.002）。
本站解读
这项研究用深度学习把OCT图像里的RPD和drusen‘数得更准’——不是靠医生肉眼估测，而是自动算出具体体积（单位是mm³），再看这些数字和两年内是否发展成晚期AMD的关系。51只眼的样本量偏小，且是回顾性单中心分析，不能直接推广到所有患者，但结果很扎实：RPD体积每多0.01 mm³，风险就明确上升8.2%，p值0.002，说明不太可能是偶然。这工具短期内还不会进诊室常规使用，因为需要验证不同设备、不同人群的稳定性，也还没整合进主流OCT系统工作流。
它真正价值在于帮医生识别‘高危中的高危’：已有RPD且对侧眼已发生新生血管AMD的患者，如果这次扫描显示RPD或大型drusen体积偏大，未来两年进展风险显著更高。这种分层能力可能推动临床试验入组标准更新，或指导更密集随访。国内情况有待确认。
常见问题
我眼睛里有‘伪小疣’，是不是很快就会瞎？
不是。研究发现有伪小疣（RPD）且对侧眼已出现新生血管的患者中，RPD体积越大，未来两年进展为晚期AMD的风险越高，但并非所有人会进展。39.2%的受试者在约24个月内进展，并非必然发生。如有疑虑可咨询眼科医生。
这个AI数小疣的方法现在医院能用吗？
目前还不能常规使用。该方法基于特定OCT设备（Solix）和研究级算法，尚未通过监管审批或集成进临床OCT系统。它属于前沿研究工具，距离日常检查还有验证和工程化过程。
延伸阅读
中晚期干眼症结构生物标志物预测进展研究
MACUSTAR研究对577例中度年龄相关性黄斑变性（iAMD）患者进行了长达4年的随访，通过OCT等多模态影像分析多种视网膜结构标志物。结果显示，9.01%的眼在随访期内进展为地理萎缩（GA）或新生血管性AMD（nAMD），其中6.4%进展为GA、7.7%为nAMD。研究发现，不同标志物及其在视网膜中央3mm区域的分布与进展类型显著相关，如SDDs、PED、nCNV和cRORA提示总体进展风险，而nCNV体积仅增加nAMD风险。
中早期AMD进展预测与临床试验新路径
该综述聚焦于年龄相关性黄斑变性（AMD）的中间阶段（iAMD），指出目前尚无疗法可延缓其向晚期地理萎缩或新生血管型AMD进展。由于iAMD患者可能长达五年以上才出现明显进展，而临床试验需在约两年内得出结论，研究提出需同时满足两个条件：精准筛选高风险受试者，并采用敏感、可量化的结构终点。光学相干断层扫描（OCT）被推荐为首选工具，可同步用于富集高风险眼和量化进展，测量指标包括玻璃膜疣面积与体积、光感受器带完整性、高反射焦点等。
深度学习模型可准确区分脉络膜萎缩与相似眼病
研究开发并验证了三种深度学习模型，用于基于黄斑OCT容积图像区分脉络膜萎缩（CHM）、USH2A相关杆锥细胞营养不良及健康对照。数据来自262名参与者共535个OCT容积（Heidelberg Spectralis设备采集），其中80个容积进入独立测试集。结果显示，模型在测试集上体积级准确率和加权F1分数均优于两名不知情的眼科医生，且简单切片聚合与复杂混合架构性能相近。