白内障晶状体状态显著影响眼底照片估算的视网膜年龄
摘要
日本山梨大学医院一项回顾性研究分析了283只青光眼患者眼睛的眼底彩照，用深度学习算法估算视网膜年龄，并计算其与实际年龄之差（RAG）。结果显示平均RAG为-5.7±19.1年；晶状体完整（phakic）的眼睛RAG值显著高于已摘除晶状体并植入人工晶体（pseudophakic）的眼睛；视力越差、远视度数越高，RAG值也越大；而青光眼整体严重程度和视野缺损程度（MD）未显示显著关联。
信息来源： PubMed Ophthalmology 发布于 2026年6月2日
要点速览
- 该研究基于283只青光眼患者眼睛的眼底照片，计算视网膜年龄差（RAG），平均值为-5.7±19.1年。
- 晶状体状态是影响RAG最强的临床因素：有晶状体眼（phakic）的RAG值显著高于无晶状体眼（pseudophakic）。
- 视力越差、远视度数越高，RAG值越大；但青光眼整体严重程度及视野平均缺损（MD）未与RAG显著相关。
本站解读
这项研究发现，用眼底照片加AI算出来的‘视网膜年龄’，其实并不纯粹反映生物衰老——它被眼睛自身的结构和光学条件明显干扰。最突出的是晶状体状态：283只眼中，有晶状体的眼睛RAG值比已做白内障手术的眼睛高得多，说明晶状体混浊或老化本身就会让AI误判视网膜更‘老’。这直接动摇了RAG作为独立衰老标志物的可靠性，尤其在中老年群体中，白内障高发，RAG值很可能被系统性高估。
研究设计是回顾性观察，样本量283眼、时间跨度超15年（2010–2025），数据基础较扎实，但毕竟没做干预或验证性队列，结论属于相关性提示而非因果确认。短期内RAG不可能进入临床常规使用，医生若看到异常RAG值，必须先排除晶状体因素等混杂变量，不能直接推断患者衰老加速或青光眼进展更快。
普通人无需因此改变任何行为——RAG目前纯属科研工具，不用于诊断、筛查或健康评估。如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
我做了眼底照相，AI说我视网膜比实际年龄老很多，是不是说明我身体老化特别快？
不一定。这项研究明确指出，AI估算的视网膜年龄差（RAG）受晶状体状态等眼部结构影响很大——比如白内障早期就可能让结果偏高，不代表全身衰老加速。RAG目前仅用于科研，不能反映真实健康状况或预测疾病风险。如有疑虑可咨询眼科医生。
青光眼越重，RAG值是不是越大？
不是。研究发现青光眼整体严重程度和视野平均缺损（MD）数值都未与RAG显著相关。RAG变化主要关联晶状体状态、视力和屈光度，而非青光眼本身的损伤程度。这意味着RAG目前不适合用作青光眼进展的监测指标。
延伸阅读
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）。
两种AI系统联合使用提升青光眼筛查准确率
研究评估了Laguna ONhE和VUNO Med-Fundus AI两款商用AI系统在彩色眼底照相（CFP）上独立及联合诊断原发性开角型青光眼的准确性。共纳入193名患者370只眼（248只青光眼眼，122只健康眼），以扫频OCT和视野检查为金标准。结果显示，Laguna AUC为0.879，VUNO为0.857，二者联合达0.903，接近金标准指标GMD的0.916，差异不显著（p=0.146）。
本地医疗大模型精准识别青光眼风险因素
研究团队使用MedGemma-27B-text-it本地医疗大模型，分析2014至2024年间1250例青光眼相关临床记录，评估其识别用药依从性差、随访失约及家族史的能力。结果显示，模型在识别用药非依从性（准确率0.91）、随访非依从性（准确率0.96）和家族史（准确率0.98，Jaccard指数0.99）方面远超结构化电子病历字段（家族史准确率仅0.49）。研究证实本地化大模型可高效挖掘自由文本中的隐性风险信息。