亚洲人群地图样萎缩进展预测因素研究
摘要
这项前瞻性纵向队列研究纳入139名亚洲年龄相关性黄斑变性继发地图样萎缩(GA)患者的155只眼,随访12个月,用眼底自发荧光测量萎缩面积,并用经过验证的深度学习算法在OCT上分割RPE层丢失、光感受器变性、高透射和RORA等结构。基线GA面积平均3.89 mm²,12个月平均扩大0.83 mm²。基线面积较大、多灶性病变和视网膜下玻璃膜疣样沉积与萎缩扩大更快相关。超出已有萎缩区的光感受器变性只带来小幅的额外预测价值;中心1毫米区域的OCT特征与12个月视力的关联有限。
信息来源: PubMed Ophthalmology 发布于 2026年9月23日
要点速览
- 研究纳入139名亚洲GA患者的155只眼,前瞻性随访12个月。
- 基线GA面积平均3.89 mm²,12个月平均扩大0.83 mm²。
- 基线面积大、多灶性病变和视网膜下玻璃膜疣样沉积与萎缩扩大更快相关。
- 超出萎缩区的光感受器变性仅带来小幅额外预测价值,中心1毫米OCT特征与视力关联有限。
本站解读
这项研究的价值在于给出了亚洲GA患者的前瞻性数据:155只眼的萎缩面积基线平均3.89 mm²,一年平均扩大0.83 mm²;面积越大、病灶越多、伴视网膜下玻璃膜疣样沉积的眼睛,萎缩扩大越快。
另一个看点是AI分割OCT得到的新指标。结果显示,光感受器变性如果超出已有萎缩区,能帮助预测萎缩扩大,但增加的预测能力很小;中心1毫米的OCT特征和一年后视力的关系也有限。我们的判断是,这些AI指标目前更适合作为研究工具,短期内不会进入常规检查报告。
样本量中等、随访只有12个月,是主要局限。这类亚洲队列对理解中国GA患者的病程有参考价值,但研究是否纳入中国患者原文未说明,国内患者的病程数据仍需本土研究积累。如有疑虑可咨询眼科医生。
常见问题
这个新发现能帮我提前知道视力会不会很快变差吗?
帮助有限。研究发现,AI从OCT上测出的光感受器变性范围,只能小幅提高对萎缩扩大的预测,中心区域的OCT特征和一年后视力的关系也不强。判断病情变化,目前仍要依靠医生安排的定期眼底检查。这项研究在亚洲人群中完成,对国内患者有一定参考价值,如有疑虑可咨询眼科医生。
医生以后会常规给我查这个光感受器指标吗?
短期内不太可能。这些指标来自研究用的深度学习分析,还没有进入常规OCT报告,研究本身也显示它的额外预测价值较小。国内医院是否会引入这类分析工具尚不确定。复查做哪些项目,由医生根据病情决定,如有疑虑可咨询眼科医生。
延伸阅读
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。
深度学习算法可自动分割地理萎缩眼的外层视网膜结构
研究验证了一种名为NMI-Outer Retina Analyzer(NMI-ORA)的深度学习算法,用于自动分割健康人和地理萎缩(GA)患者眼中的椭圆体带(EZ)与RPE-Bruch膜复合体。研究纳入30例健康眼和30例GA眼的SD-OCT扫描数据,结果显示该算法在健康眼中平均Dice系数达0.998,在GA眼中为0.995–0.998;厚度测量误差在健康眼中仅1.42±3.39 μm(2.98%),GA眼中则升至3.61±8.62 μm(23.06%)。结论认为该工具精度接近专家人工标注。