青光眼结构-功能关系研究新进展
摘要
该综述系统梳理了青光眼中视网膜结构损伤与视野功能缺损之间的关联规律，强调光学相干断层扫描（OCT）、OCT血管成像等新技术与标准自动视野计的整合应用。研究指出当前临床指标下的结构-功能关系呈非线性，中度阶段相关性强，而早期和晚期因测量局限与功能代偿出现明显偏离。人工智能建模、解剖校正映射和多模态融合等新方法可提升个体化预测精度。
信息来源： PubMed Ophthalmology 发布于 2026年6月3日
要点速览
- 青光眼结构-功能关系在当前临床指标下主要呈非线性，反映生物冗余、心理物理变异及测量约束。
- 新兴框架包括解剖校正映射、多模态影像融合和深度学习，用于提升个体化结构-功能建模精度。
- 数据质量、近视相关解剖变异及跨设备标准化仍是关键限制因素。
本站解读
这项综述没有报告新实验数据，而是整合了近年OCT、OCTA与视野检查的多项研究证据，指出一个关键事实：目前临床使用的结构-功能关系‘ predominantly nonlinear’——即并非简单的一对一对应，而是受生物冗余、检测变异和工具限制影响，在早期和晚期阶段尤其容易‘失准’。这解释了为什么有些患者OCT显示神经纤维层已变薄，但视野仍正常；也解释了为何晚期视野已严重缺损时，结构变化却趋于平缓。研究设计属于高质量证据合成，但本身不产生新病例数据，因此离直接改写诊疗指南还有距离。真正可能改变临床的是AI驱动的个体化建模和多模态融合技术，它们有望把结构-功能分析从‘静态相关’推向‘动态预警’。国内情况有待确认。
普通人无需因此改变日常行为，也不必重复检查。已有青光眼诊断或家族史者，可关注未来几年内支持多模态分析的设备是否在常规随访中启用；如有疑虑可咨询眼科医生。
常见问题
我的OCT报告说视网膜变薄了，但眼睛看东西没问题，是不是不用管？
不能因此掉以轻心。研究明确指出，青光眼早期常出现‘结构先于功能’的脱节现象——OCT已显示损伤，但视野检查尚无异常，这是疾病自然进程的一部分。这种‘失同步’恰恰说明单靠视野检查可能漏掉早期干预窗口。如有疑虑可咨询眼科医生。
AI能用我的OCT和视野结果预测青光眼会怎么发展吗？
目前尚不能在临床常规中实现精准个体预测。综述提到AI建模是前沿方向，能提升预测视觉场损失的能力，但其应用仍受限于数据质量、设备差异和验证程度。它尚未成为标准工具，更多处于研究整合阶段。
延伸阅读
用OCT图像和深度学习预测青光眼视野缺损
研究团队基于1640名青光眼患者的OCT视网膜神经纤维层（RNFL）厚度图，使用R2 U-Net、Dense U-Net和Nested U-Net三种深度学习模型预测其视野（VF）检查结果。这是一项回顾性横断面研究，仅分析每位患者左眼数据。结果显示，R2 U-Net在均方误差（MSE）、平均绝对误差（MAE）、结构相似性（SSIM）和峰值信噪比（PSNR）等五项指标上均表现最优，首次证实生成式AI可从结构影像高精度推演功能缺损。
STAGE挑战赛：用OCT图像预测青光眼视野指标
中山眼科中心与HDMI实验室联合发起STAGE挑战赛，旨在建立结构-功能关联模型——从光学相干断层扫描（OCT）图像直接预测青光眼患者的视野检查指标（如平均缺损、敏感度图等）。研究发布含401例OCT体积数据（每例256张横断面图像）及对应视野标签和人口学信息的标准化数据集，并提供统一评估框架。七支决赛团队均采用融合OCT图像与表格数据的双分支架构，其中使用任务特化OCT模型的团队表现最优。
深度学习模型可用OCT数据预测青光眼视野平均缺损值
研究团队利用1200只眼睛（432只为青光眼，768只为正常）同日采集的频域OCT高密度扫描数值与Humphrey视野分析仪30-2程序测得的平均缺损（MD）值，训练八种深度学习模型。结果显示InceptionV3模型表现最佳，平均绝对误差为3.36 dB，决定系数为0.53；在不同MD阈值下的分类任务中，CNN模型对轻、中、重度视野损害均有良好判别能力。