跳转到主要内容
学术研究

糖尿病黄斑水肿早期对微脉冲激光反应的预测因素

PubMed Ophthalmology (2026年1月24日)

摘要

该研究回顾性分析了65只患中心受累糖尿病黄斑水肿(DME)的眼睛,使用AI软件自动量化OCT上的视网膜内液(IRF)和视网膜下液(SRF)体积及外层视网膜结构完整性。患者接受577 nm亚阈值微脉冲激光治疗,52天后视力从0.22提升至0.15 logMAR,IRF体积中位数减少0.045 mm³;基线有SRF的5只眼全部清除。未接受过治疗的眼睛IRF减少59.6%,显著高于既往治疗者(11.5%)。治疗初治状态是IRF减少最强的独立预测因子。

信息来源: PubMed Ophthalmology 发布于 2026年1月24日

要点速览

  • 研究纳入65只中心受累糖尿病黄斑水肿眼,使用AI软件自动量化OCT上的IRF和SRF体积及ELM/EZ完整性。
  • 采用577 nm亚阈值微脉冲激光(5%占空比、200 ms、150 μm、250 mW),在黄斑区高密度布点,避开无血管区。
  • 治疗初治者IRF体积减少59.6%,显著高于既往治疗者(11.5%);基线有SRF的5只眼全部在随访期内完全吸收。

本站解读

这项研究发现,对糖尿病黄斑水肿患者而言,是否‘第一次接受治疗’比病程长短、液体类型或视力基础更关键——初治者IRF体积减少近六成,而曾用药或打针者仅减一成多。样本量65只眼属中等偏小,但采用CE认证AI软件量化OCT流体体积,比传统中心厚度测量更敏感,能捕捉到厚度不变时的真实病理改善,这是方法上的进步。

不过,它只是单中心回顾性观察,没设对照组,也不能证明SMPL优于抗VEGF注射。短期内不会改变主流临床路径:目前一线仍是抗VEGF药物,SMPL更多作为辅助或资源受限场景的选择。研究中使用的577 nm激光参数(5%占空比、250 mW等)已有成熟设备支持,技术落地门槛不高,但国内情况有待确认。

普通人无需因此调整日常管理——血糖控制、定期眼底检查仍是核心。SMPL不是替代基础治疗的新‘捷径’,而是为特定人群(如初治、轻中度水肿、抗拒注射者)提供了一个可量化的响应窗口参考。

常见问题

刚查出糖尿病黄斑水肿,医生说可以做微脉冲激光,这个治疗效果是不是特别好?

研究显示,首次接受微脉冲激光治疗的患者,视网膜内液平均减少近六成,效果明显优于已接受过其他治疗者。但这不意味着它比抗VEGF注射更优——本研究未设对照,也未比较视力长期获益。它更适合特定情况,如不愿反复注射、轻中度水肿或作为联合策略的一部分。如有疑虑可咨询眼科医生。

做了微脉冲激光后,OCT显示厚度没变,是不是没效果?

不一定。这项研究恰恰说明,即使中心视网膜厚度没变化,AI量化显示视网膜内液体积仍可能显著减少(中位数降0.045 mm³),且部分患者视网膜下液完全吸收。这提示传统厚度测量可能掩盖真实改善,AI驱动的液体体积分析更敏感。如有疑虑可咨询眼科医生。

延伸阅读

学术研究

大语言模型用于糖尿病视网膜病变患者教育的评估

研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量(DISCERN、JAMA等)、透明度和可读性等维度评分。结果显示,各模型安全响应率在86.0%至94.0%之间,准确性普遍较高,但共情能力差异明显;Perplexity在信息质量指标上得分最高,Gemini可读性最佳,但所有模型的Flesch阅读易度分均低于推荐阈值。

#人工智能#糖尿病视网膜病变#患者教育
PubMed Ophthalmology
学术研究

AI可替代一名医生进行眼底照相初筛

研究回顾性分析6904张眼底彩照,评估AI作为初筛者与一名医生组成双人读片流程的效果。结果显示,对糖尿病视网膜病变和视网膜静脉阻塞,AI-human组合的敏感度(0.974–0.982)和特异度(0.999–1.000)与传统双人人工读片无显著差异,且人均阅片量从2.00–2.10次降至1.02–1.11次;年龄相关性黄斑变性结果因读片组合而异,部分组合敏感度更高(0.916–0.950)。

#AI医疗#眼底筛查#糖尿病视网膜病变
PubMed Ophthalmology
学术研究

超广角OCTA联合临床指标识别2型糖尿病早期视网膜病变

该研究纳入1676名2型糖尿病患者,其中1047人用于训练、453人用于内部测试、176人来自社区的外部验证集。研究结合超广角光学相干断层扫描血管成像(UW-OCTA)图像与临床指标(如病程、糖化血红蛋白、低密度脂蛋白胆固醇和收缩压),构建多模态深度学习模型。结果显示,多模态模型在内部和外部验证集中AUC分别为0.921和0.849,优于仅用图像或仅用临床数据的模型,提示其有助于无创识别早期糖尿病视网膜病变。

#糖尿病视网膜病变#OCTA#人工智能
PubMed Ophthalmology