跳转到主要内容

学术研究

690 篇

顶刊论文、临床试验结果、学术会议报告

学术研究

角膜塑形镜治疗5年眼轴变化及基线预测因素

这项回顾性队列研究纳入656名佩戴角膜塑形镜（Ortho-K）的儿童右眼，随访5年。结果显示，平均眼轴增长为0.75±0.49 mm；基线年龄、性别和屈光状态与5年眼轴变化相关，其中年龄越小，眼轴增长越显著；而基线眼轴长度在多变量模型中不再具有独立预测作用。研究未设未治疗对照组，因此无法直接评估Ortho-K对近视进展的减缓效果。

#角膜塑形镜#儿童近视#眼轴长度
PubMed Ophthalmology
学术研究

显示屏色域或为儿童近视新风险因素

研究提出假说：现代数字屏幕因缺失360–400 nm Violet光和扭曲490–560 nm青绿光谱，可能干扰视网膜OPN5通路与色差驱动的屈光发育机制，从而促进近视。该假说整合了五类证据，包括OPN5光敏通路、Gawne-Norton双探测器模型、蓝锥单色症等遗传疾病表现、红光治疗试验及不同显示设备的亚组分析。

#近视#数字屏幕#光谱
PubMed Ophthalmology
学术研究

儿童戴角膜塑形镜时，调节功能与近视进展相关

该研究回顾性分析了49名连续佩戴角膜塑形镜（OK镜）2年的儿童共98只眼的数据，按2年眼轴增长速度分为快、慢进展组。结果发现，单眼调节幅度（AMP）和调节灵活度（AF）的基线值越低，后续眼轴增长越快；而双眼调节参数与眼轴增长无显著关联。研究提示AMP和AF可作为评估近视进展风险的参考指标。

#角膜塑形镜#儿童近视#调节功能
PubMed Ophthalmology
学术研究

0.01%阿托品联合角膜塑形镜比DIMS镜片更抑制定轴长增长

该研究回顾性分析220名近视儿童（DIMSA组120人，OKA组100人），比较每日两次0.01%阿托品联合DIMS镜片或角膜塑形镜（OKA）对1年轴长增长的控制效果。结果显示OKA组轴长增长显著更慢（0.157±0.154 mm vs. 0.313±0.221 mm）。研究采用弹性网络回归识别预测因子，并通过倾向评分和E值分析控制偏倚，发现两组预测模式不同：OKA组主要受年龄和基线轴长影响，DIMS组则与更多基线因素相关。

#近视防控#角膜塑形镜#阿托品
PubMed Ophthalmology
学术研究

常规基线数据无法可靠预测低浓度阿托品近视控制效果

研究纳入427名首次单用0.01%或0.02%阿托品治疗的儿童，以一年内球镜度数进展超0.25D为‘反应不佳’标准。结果显示37%（159人）属此类。多种机器学习模型与传统逻辑回归对比，AUC最高仅0.60，无临床实用性。研究结论是：仅靠常规基线数据无法个体化预测首年疗效，仍需依靠用药后实际进展来判断是否需升级干预。

#近视防控#阿托品#机器学习
PubMed Ophthalmology
学术研究

多模态AI在视网膜疾病中的临床转化路径

本文为特刊导言，指出当前AI在视网膜图像分类和筛查中进展显著，但临床价值取决于能否支撑患者全程决策。多模态AI可整合眼底照相、OCT、OCTA、超广角成像等影像数据与临床特征、治疗史及纵向变化，以提升风险分层、病情监测和个体化随访能力。研究强调需超越单一技术指标，验证其相较单模态模型和临床基线的增量价值，并在真实世界中评估对视力功能、转诊合理性、治疗时机等终点的影响。

#人工智能#视网膜疾病#多模态影像
PubMed Ophthalmology
学术研究

脂溢性角化病诊断与治疗新进展

本文综述了脂溢性角化病（SK）的最新研究进展，重点涵盖其分子机制（如AKT通路改变、APP参与）、非侵入性诊断技术（皮肤镜、共聚焦显微镜、OCT及AI算法），以及新型疗法：30%-50%硝酸-氧化锌溶液、65%或80%三氯乙酸（TCA）、0.3%番荔枝种子提取物乳膏和Nano-Pulse Stimulation（NPS）技术。传统方法如冷冻、电灼仍有效，但易致炎症后色素减退。

#脂溢性角化病#皮肤镜#三氯乙酸 +1
PubMed Ophthalmology
学术研究

OCT-FFR新算法诊断准确率达98.0%

一项前瞻性多中心单臂研究在4家中心纳入210名需接受经皮冠状动脉介入治疗的患者，同步进行传统FFR与新型OCT-FFR检测。OCT-FFR采用融合管腔分割与分叉识别的多任务学习算法，基于流体动力学建模计算压力梯度。在200个病变的符合方案分析中，以FFR≤0.80为金标准，OCT-FFR诊断准确率为98.0%，敏感性93.6%，特异性99.3%。

#OCT#FFR#冠状动脉
PubMed Ophthalmology
学术研究

深度学习辅助内窥OCT引导肉瘤活检

该研究针对未分化多形性肉瘤和黏液纤维肉瘤，利用前向式内窥光学相干断层扫描（OCT）结合深度学习模型，在手臂和腿部离体组织样本上进行正常与肿瘤组织分类。研究对比了5种2D模型和1种自定义3D卷积神经网络（CNN），在强度OCT通道中，3D CNN达到92.67%的最高准确率；偏振敏感OCT（PS-OCT）通道则更受益于现代2D架构与3D建模，光学轴方向性能提升达9.63%。结果证实内窥OCT可作为活检中实时、无标记的组织表征工具。

#OCT#深度学习#活检引导
PubMed Ophthalmology
学术研究

AI眼底成像辅助评估心血管风险的初步研究

该研究在Metabolic机构对1461名40岁以上成人开展回顾性横断面分析，使用Dr. Noon AI平台分析非散瞳眼底照片，生成视网膜心血管风险评分（Reti-CVD）。结果显示Reti-CVD升高与年龄、男性、糖尿病、高血压、HbA1c升高、血压升高、HDL降低、甘油三酯升高及AI预测血管年龄增大显著相关。Reti-CVD与美国心脏协会PREVENT方程的分类一致性有限（Cohen's kappa未给出具体值），但连续评分与PREVENT阈值存在可评估的对应关系。

#AI医疗#眼底成像#心血管风险
PubMed Ophthalmology
学术研究

多光谱成像联合生成模型提升眼底分类准确率

研究团队利用多光谱眼底相机采集102名患者（共2040张图像）的416–1213 nm波段图像，构建条件变分自编码器（CVAE）模型进行健康/病变眼底分类。结果显示，在416–955 nm波段、最高分辨率（1757×1757像素）下，模型达到100%准确率、敏感性和特异性；其他配置下准确率96%–98%，敏感性92%–98%，特异性97%–100%。研究证实该方法具备高鲁棒性与临床筛查潜力。

#AI辅助诊断#多光谱成像#眼底筛查
PubMed Ophthalmology