眼血流数字孪生模型识别青光眼高风险血流类型
摘要
研究开发了一种基于生理机制的眼血流数字孪生模型（DT-OH），融合数学建模与机器学习，利用个体化眼压和血压数据模拟视网膜血流动力学。该模型应用于印第安纳波利斯青光眼进展研究（IGPS）临床数据，发现眼压与血压的联合效应可划分出三种不同血流调节模式，其中一种基线血流类型与青光眼进展风险显著升高相关。
信息来源： PubMed Ophthalmology 发布于 2026年1月28日
要点速览
- DT-OH模型整合眼压与血压输入，模拟个体化视网膜血流动力学
- 基于IGPS临床数据，识别出三种由眼压与血压共同决定的血流调节模式
- 其中一种基线血流模式与青光眼进展风险显著升高相关
本站解读
这项研究的核心发现是：单看眼压或血压都不够，二者共同作用形成三种可识别的视网膜血流调节模式，而属于其中一种特定模式的患者，青光眼进展风险明显更高——这是首次在临床队列中用整合模型把系统性血压和眼局部压力对血流的影响‘分型’并关联到真实进展结局。
研究可靠性中等：它复用了IGPS队列的既有临床数据，并非全新招募大样本前瞻性试验；未说明具体病例数，也未报告模型验证方式（如外部数据集测试），因此属于方法学探索与临床数据回溯分析结合的类型，尚不能直接支撑诊疗指南更新。
短期内无法改变临床做法——DT-OH目前是研究工具，需嵌入设备、通过监管审批、完成医生培训才能落地；离常规检查还有距离。国内情况有待确认。
普通人无需因此调整生活习惯或就医节奏；血压和眼压仍需按常规监测，如有疑虑可咨询眼科医生。
常见问题
这个‘数字孪生’能帮我提前知道会不会得青光眼加重吗？
目前还不能用于个人预测。它是在已确诊青光眼的IGPS队列中发现的规律，尚未在临床中作为筛查或预测工具使用。该模型需要进一步验证和工程化，才能考虑是否纳入日常评估。如有疑虑可咨询眼科医生。
是不是以后量完血压和眼压，电脑就能算出我眼睛供血好不好？
技术方向是这样，但现阶段做不到。DT-OH是研究阶段的计算模型，依赖高质量连续监测数据和算法校准，尚未集成到医院常规检查流程或设备中。它不等于现有眼压计或血压计的简单升级。
延伸阅读
评估Perimouse在线视野筛查在青光眼初筛中的表现
该研究比较了Perimouse在线超阈值视野检测系统与金标准Humphrey视野分析仪（HFA）在青光眼视觉功能损害检出上的性能和空间一致性。研究对象为中国人群，旨在验证该线上工具作为青光眼筛查手段的可行性。
早期青光眼视野进展预测模型比较研究
研究通过模拟早期青光眼患者的视野数据，对比四种预测方法：个体化一阶自回归模型（AR(1)）、普通线性回归（OLR）、群体级长短期记忆网络（LSTM）和朴素基线预测。结果显示，在检查次数较少时（如前6–11次），LSTM误差最低；但随着检查次数增加，尤其在中、快速进展患者中，AR(1)的预测精度反超LSTM。评估指标为RMSE和点均绝对误差（PMAE）。
Hydrus微支架在英国用于青光眼治疗具成本效益
该研究通过15年队列马尔可夫模型，评估Hydrus微支架联合白内障手术或单独使用，在英国医疗体系下的成本效用。结果显示：与单纯白内障手术相比，Hydrus联合手术多获得0.334个质量调整生命年（QALY），增加成本604英镑；与iStent相比，Hydrus可节省534英镑并多获0.068个QALY。概率分析显示其成本有效性概率分别为87.6%和71.5%。