眼血流动力学数字孪生：个性化青光眼护理的新路径
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年1月28日
要点速览
- 研究开发了一种新型的眼血流动力学数字孪生（DT-OH），结合生理模型和机器学习。
- DT-OH识别出三种不同的血流动力学特征，其中一种与青光眼进展风险显著相关。
- 研究结果支持基于IOP和BP的个性化风险评估工具的发展。
本站解读
这项研究标志着眼科领域技术路线的重大变迁，从传统的单一指标监测转向综合多因素分析。通过将生理模型与机器学习相结合，研究人员能够更精确地模拟个体化的眼部血流动力学，从而提供更为精准的青光眼风险评估。这种技术路线的转变不仅提升了诊断的准确性，也为个性化治疗方案的制定提供了新的可能性。
在全球范围内，各大眼科企业和研究机构都在积极布局这一领域。国外如Alcon、Zeiss等大厂已开始探索类似的技术应用，而国内企业如爱尔眼科也在逐步跟进。然而，尽管技术前景广阔，但实际应用中仍面临诸多挑战，包括数据获取的复杂性、模型验证的难度以及临床医生的接受度等问题。未来，随着更多临床数据的积累和技术的不断成熟，这种数字孪生技术有望成为青光眼管理的重要工具。
值得注意的是，这种技术的应用可能会重塑行业竞争格局。那些能够快速整合新技术并将其转化为临床应用的企业，将在未来的市场中占据更有利的位置。同时，这也意味着传统的眼科设备制造商需要加快转型步伐，否则可能面临被边缘化的风险。后续应密切关注国内外企业在这一领域的研发进展，尤其是那些能够在短时间内实现技术突破并获得临床认可的企业。
常见问题
这个研究对我有什么帮助？
这项研究通过结合生理模型和机器学习，可以更准确地评估您的青光眼风险。如有疑虑可咨询眼科医生。
这种技术什么时候能用上？
目前这项技术还在研究阶段，具体应用时间尚不确定。但随着技术的不断成熟，未来几年内有望在临床上得到应用。
延伸阅读
可解释机器学习预测青光眼患者眼压
青光眼是一种慢性神经退行性疾病，治疗目标是降低眼内压。然而，一些患者对治疗反应不佳，眼内压仍然较高，导致视力持续下降。研究使用可解释的机器学习技术，通过英国生物银行的数据，预测接受药物治疗的青光眼患者的眼内压。研究发现，XGBoost模型在综合数据集上表现最佳，AUC为0.708。胰岛素样生长因子1（IGF-1）、低密度脂蛋白（LDL）和淋巴细胞计数是最重要的特征。
63微米与45微米明胶微支架在青光眼治疗中的比较研究
该研究旨在对比63微米（Xen63）和45微米（Xen45）明胶微支架在青光眼患者中12个月的有效性和安全性。研究设计为多中心回顾性队列研究，纳入了来自加拿大、意大利、奥地利和比利时的200名患者。主要结局指标是完全成功概率，定义为术后一年内无连续两次眼压超过14 mmHg或低于6 mmHg且视力下降不超过两行，并且从决策眼压降低至少20%，无需使用青光眼药物或再次手术。次要结局包括不同眼压阈值下的成功率、术后眼压和用药情况、并发症、干预措施及再手术率。结果显示，Xen63组在眼压控制方面优于Xen45组，但Xen63组术后早期脉络膜渗出的发生率较高。
透明质酸介导的纳米复合物增强多佐胺在可降解明胶插片中的眼部滞留和治疗效果
传统多佐胺滴眼液用于青光眼治疗时，存在快速前角膜清除、低眼部生物利用度及频繁给药需求的问题。本研究通过将多佐胺合理设计成基于透明质酸的聚电解质纳米复合物，并将其整合到一种可降解交联明胶的眼部插片中，开发了一种长效眼部递送平台。该平台显著提高了药物在眼部的滞留时间和生物利用度，减少了给药频率，从而增强了治疗效果。研究结果表明，这种新型递送系统有望改善青光眼患者的治疗依从性和疗效。