NEI 构建眼细胞数字孪生，眼科研发范式面临重构
摘要
美国国家眼科研究所研究人员开发了关键眼细胞的数字副本，为研究细胞在健康及疾病状态下的组织方式提供了新工具。该技术主要针对年龄相关性黄斑变性，旨在通过数字化模型模拟细胞行为。这意味着未来药物研发可能减少对动物实验的依赖，转而利用计算模型预测疗效。目前该工具处于研究阶段，尚未应用于临床治疗，但为理解眼底疾病机制开辟了新的技术路径，有助于加速相关疗法的开发进程
信息来源： NEI / NIH Research News 发布于 2026年2月19日
要点速览
- NEI 研究人员开发了关键眼细胞的数字副本，用于研究健康及疾病状态下的细胞组织方式
- 该数字孪生工具主要针对年龄相关性黄斑变性，旨在模拟细胞行为以辅助疾病理解
- 目前该技术处于研究阶段，尚未应用于临床治疗，但为理解眼底疾病机制开辟了新技术路径
本站解读
NEI 这次把视网膜色素上皮细胞做成数字孪生，表面看是技术突破，底层其实是眼科研发范式的转移。过去依赖动物模型和临床试验试错，现在试图在硅基世界里预演疾病进程。这对中国药企意味着研发成本结构的潜在重构，尤其是针对湿性黄斑变性这类高发疾病。国内虽然 AI 医疗概念火热，但多数集中在影像筛查，真正深入到细胞机理建模的很少，这导致我们在源头创新上容易受制于人
差距不在算法，而在高质量生物数据的积累。NIH 能做成是因为有几十年的队列数据打底，国内企业若想跟进，得先解决数据孤岛问题。竞争生态上，传统药企可能会加大对计算生物学的投入，纯生物技术公司若没有数据护城河，估值逻辑会变。跨国药企正在利用这类模型优化分子筛选，国内跟进者若只停留在概念层，很快会在管线效率上被拉开差距，尤其是在基因治疗领域
未来要盯着 FDA 是否认可这类模型作为临床试验的替代终点，这才是行业风向标。对于患者，短期无感，长期看能加快新药上市速度。中国眼科产业要想不被卡在底层工具链上，必须从现在开始重视基础生物数据的标准化采集，否则数字孪生只会是别人的游戏。行业需要警惕的是，不要为了融资而炒作概念，真正落地需要跨学科团队的长期磨合
常见问题
这个数字孪生技术能马上治好我的黄斑变性吗
目前这项技术主要用于科研阶段，帮助医生和科学家更好地理解细胞如何生病，还不能直接用来治疗患者。它就像是一个高精度的模拟地图，能帮助研发出更好的药。如有疑虑可咨询眼科医生，目前临床上已有抗血管生成药物等成熟治疗方案可供选择，规范治疗能有效控制病情发展
国内医院现在能用这个技术检查眼睛吗
暂时不能。这是实验室里的研究工具，不是医院的检查设备。它主要是用来帮药企研发新药的，离变成医院的常规检查项目还有很长的路要走。患者目前不需要特意寻找此类检查，定期做眼底 OCT 检查和视力测试才是监控病情的关键手段，具体检查频率遵医嘱即可
延伸阅读
生物AI正重塑眼科研发底层逻辑
《自然·生物技术》2026年3月刊发综述，提出‘通用型生物人工智能’概念——这类模型不再局限于单一任务（如细胞分类或基因序列预测），而是能跨尺度、跨模态处理从蛋白质结构到组织病理图像的多种生物数据。文章指出当前算法仍面临实验可验证性弱、训练数据偏倚大、与湿实验闭环不足三大瓶颈，并呼吁构建整合计算建模、微流控芯片与活体成像的新型研发范式。
眼血流动力学数字孪生：个性化青光眼护理的新路径
该研究通过结合生理模型和机器学习，开发了一种新型的眼血流动力学数字孪生（DT-OH），以探究眼内压（IOP）和血压（BP）对视网膜血流动力学及青光眼进展的联合影响。研究利用印第安纳波利斯青光眼进展研究（IGPS）的临床数据，揭示了三种不同的血流动力学特征，并发现其中一种特征与青光眼进展风险显著相关。这些特征反映了眼部血流调节的不同模式，为系统性和眼部因素在青光眼中的相互作用提供了生理学见解。研究结果不仅深化了对青光眼病理生理学的理解，还支持了基于IOP和BP的个性化风险评估工具的发展。
高剂量叶黄素补充剂对人眼类胡萝卜素水平的影响
该研究通过高效液相色谱法（HPLC）测量了228个捐献者眼睛中的叶黄素、玉米黄质及其代谢物的水平，以评估长期高剂量叶黄素补充剂对眼部类胡萝卜素水平的影响。研究发现，48岁及以上年龄组中有18%的眼睛表现出异常高的黄斑区类胡萝卜素水平，这些高水平是其余同龄人群平均水平的三倍。进一步分析显示，这些高水平的类胡萝卜素不仅存在于黄斑区，还存在于晶状体和周边视网膜中。大多数这些异常值的捐献者在生前有规律地摄入高剂量叶黄素补充剂。这一结果支持了长期叶黄素补充剂可以提高黄斑色素水平的假设，并提示周边视网膜和晶状体中的类胡萝卜素水平也可能受到影响。