自适应光学正重塑眼底成像底层标准
摘要
本期Retina International播客邀请威斯康星医学院眼科与视觉科学教授Joe Carroll，深入解析自适应光学（AO）技术如何突破传统眼底成像的物理极限。他指出，AO通过实时校正眼球光学畸变，使视网膜细胞级结构（如锥细胞、视杆细胞排列）在活体中清晰可视化，显著提升图像分辨率与定量分析能力。该技术已从科研工具逐步进入临床验证阶段，尤其在遗传性视网膜病变的早期干预评估中展现独特价值。
信息来源： Retina International 发布于 2020年4月24日
要点速览
- Joe Carroll教授是威斯康星医学院眼科与视觉科学教授，主持自适应光学在视网膜成像中的应用研究
- 自适应光学技术通过实时校正眼球光学畸变，提升视网膜成像的细节和准确性
- 本期播客聚焦该技术如何革新视网膜成像，并探讨其在临床转化中的进展
本站解读
自适应光学不再只是实验室里的精密玩具，它正在悄然重写眼科影像的底层规则——过去十年眼底照相、OCT、荧光造影的‘够用’标准，正被细胞分辨力这一新标尺覆盖。当一台AO系统能在活体人眼中稳定分辨4微米间距的感光细胞时，诊断逻辑就从‘有没有病灶’转向‘哪些细胞还在功能代偿’，这种范式迁移直接动摇了现有影像设备厂商的护城河：传统光学设计+算法优化的路径已逼近天花板，而掌握波前传感-实时变形镜-闭环反馈全链路能力的企业，正获得难以复制的工程壁垒。
国际研发节奏呈现明显断层：美国已有两套AO-SLO商用系统获FDA批准用于研究，欧洲三家学术医疗中心正牵头多中心临床验证；中国虽有数个高校团队实现原理样机，但尚未见符合YY/T 0287标准的注册申报管线，核心卡点不在单点器件，而在光学稳定性、患者适配性与临床工作流嵌入这三者的系统集成。更值得警惕的是，几家跨国器械巨头已在2023年起悄悄将AO模块列为下一代OCT平台的可选配置，而非独立产品线——这意味着技术整合权正加速向平台型玩家集中。
接下来半年需紧盯三个沙盘信号：一是国内首个AO眼底成像设备是否进入创新医疗器械特别审查程序；二是某头部眼科AI公司是否在最新融资披露中提及‘AO标注数据集构建’；三是国际顶级视网膜会议摘要里，使用AO数据发表的临床预后研究占比是否首次突破12%。这些细节不会上新闻稿，却是行业拐点最真实的胎动。
常见问题
自适应光学检查疼不疼？和普通眼底照相有什么不一样？
完全无痛，过程类似常规眼底照相，但需要短暂注视固定点。区别在于它能看清单个视锥细胞，而普通照相只能看到大片区域的模糊轮廓，目前主要用于科研和疑难病例评估，尚未作为常规体检项目。如有疑虑可咨询眼科医生。
听说这技术能提前发现遗传性眼病，是真的吗？
是的，在某些遗传性视网膜病变中，细胞结构异常早于视力下降或常规影像改变出现，AO成像可捕捉这类细微变化，但目前仍属临床研究阶段，不能替代基因检测或确诊，如有家族史可咨询眼科医生评估是否适合参与相关研究。
延伸阅读
低视力研究最高奖颁给IRD影像技术突破者
国际视网膜组织Retina International宣布，加州大学旧金山分校眼科教授Jacque Duncan博士获2025年ARVO基金会Oberdorfer低视力研究奖。该奖表彰她在遗传性视网膜变性（IRD）机制研究中的开创性贡献，尤其聚焦于高分辨率成像技术的临床转化应用。Duncan团队长期利用自适应光学扫描激光检眼镜（AOSLO）追踪IRD患者视锥细胞动态退变过程，为自然病程建模与干预窗口判定提供新标尺。奖项由ARVO基金会颁发，属全球低视力领域最具公信力的学术荣誉之一。
中国人类表型组计划：视网膜成像与表型提取标准化协议
视网膜成像在评估眼部及全身健康中具有重要意义，尤其在大规模人群研究中展现出巨大潜力。然而，缺乏标准化和自动化的技术手段来从视网膜图像中提取影像衍生表型（IDPs）一直是主要障碍。为解决这一问题，中国人类表型组项目（CHPP）开发了一套全面的标准化操作程序（SOP），包括质量控制（QC）、预处理以及基于人工智能（AI）的自动化或半自动化IDP提取方法。该协议旨在提高IDP提取的准确性和效率，从而促进大规模人群数据的标准化分析。这项工作不仅为眼科相关学科提供了宝贵见解，还为未来利用视网膜成像数据的研究奠定了基础。
视网膜生物标志物在心血管疾病预测中的应用
心血管疾病（CVDs）是全球死亡的主要原因，先天性心脏病（CHD）、获得性心脏病（AHD）、瓣膜病和心肌病显著增加了发病率。视网膜眼底成像作为一种非侵入性技术，能够捕捉微血管变化，作为系统性心血管功能障碍的生物标志物。本研究系统回顾了2015年至2025年间发表的相关文献，评估了不同疾病焦点、成像模式、分析方法及诊断性能。结果表明，深度学习和机器学习模型应用于视网膜眼底图像，在检测和分类CVDs方面表现出较高的准确性。卷积神经网络在CHD检测中达到了91%的AUC值，而混合多模态方法提高了AHD和瓣膜病的预测敏感性。心肌病与血管扭曲和微出血相关，可通过自动化图像分析量化。新兴方法如基于Transformer的模型和Segment Anything Model (SAM) 的医疗影像适应，有望提高通用性和可解释性。尽管存在数据集不平衡、纵向验证有限和AI模型黑箱问题，视网膜成像仍具有作为可扩展、非侵入性工具的巨大潜力。