真实世界数据助力眼科研究提速
摘要
美国IRIS Registry平台将电子健康病历（EHR）记录和医学影像转化为真实世界证据，用于加速眼科临床试验、患者招募、药物安全性研究及上市后效果评估。
信息来源： Ophthalmology Times 发布于 2026年10月14日
要点速览
- IRIS Registry利用眼科电子健康病历（EHR）和影像生成真实世界证据
- 该数据平台服务于临床试验加速、患者招募、安全性研究和上市后洞察
- 目标是提升眼科研究效率，支持从研发到应用的全周期决策
本站解读
这项工作不是发现某种新疗法，而是搭建了一套数据基础设施——把散落在日常诊疗中的EHR文字记录和眼底图像，系统性地变成可分析、可验证的科研证据。它不依赖传统随机对照试验的严苛入组条件，而是从真实临床场景中提取信息，因此能更快覆盖更广人群、更早识别潜在风险。样本量和研究设计未在原文披露，但IRIS Registry本身是全美最大眼科数据库，已接入数千家诊所，数据规模有基础保障。不过，这类真实世界证据目前仍主要作为补充，尚不能单独替代III期试验支持监管审批。
短期内不会直接改变医生开药或手术方式，但它会悄悄缩短新疗法从试验到落地的时间：比如帮助筛选合适受试者、提前预警罕见不良反应、验证某类患者在真实环境中的长期获益。对普通人而言，无需主动做什么，但可以知道，自己就诊时留下的常规检查记录，未来可能间接推动更精准的眼科治疗。国内情况有待确认。
常见问题
我平时做的眼科检查数据会被拿去研究吗？
是的，在美国IRIS Registry参与机构中，脱敏后的常规检查记录（如EHR文字和眼底图像）可能被用于研究。这些数据不包含个人身份信息，且遵循隐私保护规范。研究结果最终可能优化诊疗方案，但不会影响你当前的就诊安排。如有疑虑可咨询眼科医生。
这种数据研究能让我更快用上新药吗？
有可能。真实世界数据能加快临床试验进度、提高患者匹配效率，并辅助监管评估，从而缩短新疗法从研发到临床应用的时间。但具体到个体能否受益，还取决于药物本身进展和审批流程。该平台本身不提供治疗，也不改变现有用药方案。
延伸阅读
福建眼病研究构建糖尿病视网膜病变预测模型
福建眼病研究基于8211名参与者数据，训练并比较五种机器学习模型预测糖尿病视网膜病变（DR）风险。支持向量分类器（SVC）表现最优，F1-score达92.83%，AUC为0.99。SHAP分析确认五大关键预测因子：糖尿病病史、年龄、脉压差、左眼近视力和身高。研究验证了该框架在人群筛查中的稳健性与可复现性。
SSR-Stacking：基于班级关系图的儿童高度近视预测模型
研究团队提出SSR-Stacking框架，用于在基线球镜度数（SE）缺失情况下预测儿童随访终点的高度近视状态。该模型融合图神经网络与集成学习，构建以学校班级为单位的社会-环境图，并通过自监督重建机制从同班同学数据中补全缺失SE值，再经元堆叠层整合XGBoost、SVM和随机森林等分类器。评估基于一项纵向队列数据，未提供具体样本量或准确率数字。
NEI开发AI工具IAN解析眼科基因表达数据
美国国家眼科研究所（NEI）免疫学实验室团队于2026年6月17日发布开源AI系统IAN，可自动分析大规模基因表达数据并生成通俗易懂的生物学解释。该系统采用多AI代理协同架构，分别对接通路、调控、蛋白互作等数据库，再由大语言模型整合输出机制假说与关键调控基因。相关成果发表于《Cell Reports Methods》。