多模态神经网络预测BRVO患者视力预后
摘要
该研究开发了一种结合OCT水平扫描、OCTA图像及临床数据（如基线视力、中心凹厚度、年龄和性别）的多模态神经网络，用于预测初治分支视网膜静脉阻塞（BRVO）患者12个月后的最佳矫正视力（BCVA）分级。研究采用回顾性单中心设计，通过五折交叉验证评估模型性能，并用Pathway Attribution分析特征归因。另对糖尿病黄斑水肿（DME）队列做了探索性跨病种分析，但明确说明不作为BRVO外部验证。
信息来源： Nature - Eye Research 发布于 2026年6月23日
要点速览
- 研究构建了基于OCT水平扫描、OCTA图像及临床元数据的多模态神经网络，预测BRVO患者12个月BCVA分级。
- 模型输入包括基线BCVA、中央亚区厚度、年龄和性别，性能评估采用五折交叉验证及相邻准确率等指标。
- 研究为回顾性单中心设计，缺乏疾病匹配的外部验证，作者强调需谨慎解读并开展前瞻性验证。
本站解读
这项研究发现，把眼底OCT水平扫描、OCTA图像和几个简单临床变量（比如年龄、性别、基线视力和中心凹厚度）一起喂给AI模型，能粗略预测BRVO患者治疗一年后的视力大致落在哪个区间——但预测精度有限，连‘相邻等级’都常不准，更别说精确到具体视力值。研究只用了单中心回顾数据，样本量未披露，也未在另一批BRVO患者中做外部验证，连归因分析都提示可靠性不足，属于典型的早期概念验证，离临床可用还很远。
它不能改变当前临床做法：医生仍需依赖随访观察和经验判断，AI模型既未嵌入诊疗流程，也未通过前瞻性试验检验是否真能帮医生做决策。普通人完全不需要因此调整行为，也不必担心‘被AI误判’——这模型连医院测试阶段都还没进入。国内情况有待确认。
常见问题
这个AI模型能帮我提前知道打针后视力能恢复到多少吗？
目前不能。该模型仅在回顾性数据上做了概念验证，预测的是12个月后BCVA的大致分级（如‘≥20/40’或‘<20/200’），且准确率有限，未经过真实患者队列验证。它没有用于临床决策，也不代表个体化预测结果。如有疑虑可咨询眼科医生。
听说AI看眼底图很准，这个技术是不是马上就能在医院用了？
不是。这项研究是单中心回顾性分析，未进行前瞻性试验，也未在其他BRVO患者中验证，更未集成到现有诊疗系统。从论文到临床工具还需大量验证、监管审批和工程落地，短期内不会出现在常规检查中。
延伸阅读
导航激光治疗分支静脉阻塞黄斑水肿的效果分析
该研究回顾性分析了2014年6月至2022年2月在名古屋市立大学医院接受Navilas®导航激光治疗的持续性分支视网膜静脉阻塞（BRVO）相关黄斑水肿患者。结果显示，约60%的患者成功停用抗VEGF注射；其中伴毛细血管扩张者停药率达63%，而微动脉瘤簇集者仅27%。视力保持稳定，未停药者注射频次也显著降低。
基于RETFound模型的DRIL自动分类方法
研究提出一种结合临床知识的深度学习方法，利用眼科医生标注的黄斑中心1毫米区域作为感兴趣区（ROI），对糖尿病性黄斑水肿（DME）患者的OCT图像进行DRIL（视网膜内层结构紊乱）自动分类。研究采用RETFound基础模型，在保守微调策略下于独立测试集上达到平均准确率0.9339、AUC 0.9660，优于多种CNN模型。结果表明，解剖定位引导的AI建模可提升DRIL识别稳定性与泛化能力。
NEI开发AI工具IAN解析眼科基因表达数据
美国国家眼科研究所（NEI）免疫学实验室团队于2026年6月17日发布开源AI系统IAN，可自动分析大规模基因表达数据并生成通俗易懂的生物学解释。该系统采用多AI代理协同架构，分别对接通路、调控、蛋白互作等数据库，再由大语言模型整合输出机制假说与关键调控基因。相关成果发表于《Cell Reports Methods》。