深度学习预测视网膜神经纤维层变薄与青光眼发病风险
摘要
该研究基于加拿大老龄化纵向研究，通过机器对机器（M2M）模型分析了18,247名参与者（30,202只眼睛）的基线和随访数据，评估了视网膜神经纤维层（RNFL）厚度变化及其与青光眼发病的关系。结果显示，青光眼患者的眼睛RNFL变薄速度显著快于非青光眼患者（-0.46 ± 2.28 μm/年 vs -0.18 ± 2.07 μm/年；P < 0.001）。多变量分析表明，年龄较大、基线眼内压较高、角膜滞后较低以及基线RNFL较厚均与更快的RNFL变薄相关。在无基线疾病的17,552名参与者中，有344人（1.9%）发展为青光眼。预测的RNFL变薄速度与青光眼发病独立相关（HR = 1.125 per 1 μm/year increase, 95% CI 1.070-1.183, P < 0.001）。这些发现突显了基于眼底照片的深度学习模型在青光眼风险分层中的潜力。
信息来源： PubMed Ophthalmology 发布于 2026年3月18日
要点速览
- 青光眼患者的眼睛RNFL变薄速度显著快于非青光眼患者
- 基于眼底照片的深度学习模型能有效预测RNFL变薄速度
- 预测的RNFL变薄速度与青光眼发病独立相关
本站解读
这项研究揭示了深度学习技术在眼科领域的应用前景，特别是在青光眼早期诊断和风险评估方面。传统的光学相干断层扫描（OCT）虽然精确，但在资源有限或偏远地区难以普及。基于眼底照片的深度学习模型提供了一种替代方案，能够有效预测RNFL变薄速度，并与青光眼发病风险相关联。这不仅降低了设备成本，还提高了筛查效率。
从行业趋势来看，这一技术路线的变迁预示着人工智能在眼科诊疗中的广泛应用。国内外多家企业已经在研发类似的人工智能辅助诊断工具，如谷歌的DeepMind Health和中国的鹰瞳科技。这些企业的竞争将推动技术进步，但同时也可能引发数据隐私和伦理问题。随着技术的成熟，未来需要密切留意的是监管政策的变化，以及如何确保算法的透明度和可解释性。
常见问题
这个研究对我有什么帮助？
这项研究展示了基于眼底照片的深度学习模型可以有效预测视网膜神经纤维层变薄速度，有助于早期发现青光眼的风险。如有疑虑可咨询眼科医生。
这种技术什么时候能普及？
目前，基于眼底照片的深度学习模型正在不断优化和验证中。预计在未来几年内，随着技术的成熟和监管政策的支持，这种技术将逐步普及。
延伸阅读
基于深度学习的OCT数据预测青光眼视野平均偏差
该研究旨在评估数值光学相干断层扫描（OCT）数据能否通过深度学习（DL）预测Humphrey视野分析仪（HFA）30-2视野平均偏差（MD）。回顾性分析了1200只眼睛（432只青光眼和768只正常眼睛），这些眼睛在同一天进行了频域OCT（12×9.0-mm高密度扫描）和HFA 30-2测试。像素级视网膜厚度数值直接从OCT导出并输入八个深度学习模型，包括五个卷积神经网络（ResNet50、VGG16、InceptionV3、EfficientNetB0和DenseNet121）和三个视觉变换器（ViT、DeiT和BEiT）。研究进行了两个任务：回归任务预测连续HFA MD值，分类任务区分预定义MD阈值下的视野恶化。对于回归任务，使用标准回归指标评估模型性能，并通过Bland-Altman分析评估预测与测量MD值的一致性。对于分类任务，使用基于阈值的判别指标评估模型性能。所有模型中，InceptionV3表现最佳，平均绝对误差为3.36 dB，决定系数为0.53。在临床相关MD阈值的分类分析中，基于CNN的模型在早期、中期和严重视野损失中表现出高判别性能。该研究开发了一种准确且可解释的DL系统，直接利用原始OCT厚度数据预测HFA 30-2 MD值，可能增强青光眼的诊断。
基于视觉变换器的青光眼检测模型
这项研究使用深度学习算法分析视盘照片，根据视神经外观将眼睛分类为青光眼或健康。研究人员利用开源语言R和RimNet对图像进行预处理，并基于Google的视觉变换器（ViT）开发了模型。该模型在训练、验证和测试阶段分别达到了1.00、0.98和1.00的AUC值，整体准确率为0.987，灵敏度为0.994，特异性为0.969。进一步评估显示，在956个晚期青光眼病例中，模型的准确率高达99.9%。研究表明，深度学习在早期青光眼筛查中具有巨大潜力。
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。