人工智能新方法提升近视眼病预测精度

一项新的研究表明，结合常规眼底扫描和人工智能（AI）技术可以更精准地测量近视力异常，从而更好地预测个体未来患严重视网膜疾病的风险。这种新方法被称为“眼底屈光差”（Fundus Refraction Offset，简称FRO），能够通过检测眼睛结构上的细微变化，超越传统的近视眼镜处方，识别出高风险患者。 研究团队来自爱丁堡大学，他们分析了超过9,300名英国生物库参与者的眼睛健康数据和眼底图像，年龄介于40至69岁之间。这些参与者在研究开始时均无视网膜问题。研究人员利用眼底扫描图像计算FRO评分，发现FRO评分每降低一个级别，即使在相同的处方、年龄、性别等因素下，12年内发生视网膜脱离或撕裂的风险也会增加约50%。 FRO评分通过AI技术比较个人眼底的实际情况与根据其眼镜处方应该呈现的状态。如果实际眼底看起来比预期更加近视，那么FRO评分就会较低，提示更高风险。这一方法的准确性在于它能够捕捉到传统处方中无法反映的眼底细微变化，这些变化可能预示着潜在的视网膜损伤风险。 全球有超过10亿人患有近视，预计到2050年，这一数字将达到全球人口的近50%。高度近视者通常比非近视者患视网膜脱离的风险高13倍。然而，即使是具有相似处方的人，视网膜损害的风险也存在很大差异。因此，FRO评分的引入可以为临床医生提供更有效的工具，帮助及时识别和管理高风险患者，以预防视力丧失。 此外，FRO评分还可以指导热门的近视矫正手术，如激光近视手术和透明晶状体置换术，识别那些即使眼镜处方相同但眼底结构更脆弱的患者。这样可以帮助医生评估手术风险，选择最适合的治疗方案。 研究的主调查员Fabian Yii博士来自爱丁堡大学再生与修复研究所的Robert O Curle眼科实验室。他指出：“我们的研究支持在描述近视严重程度时不仅仅依赖眼镜处方，而应考虑眼底信息。鉴于当前描述近视严重程度的方法存在局限性，特别是眼镜处方在有效捕捉个体近视并发症风险方面的不足，这项研究是朝着更有效地针对日益增多的近视人群提供医疗服务迈出的重要一步。” 业内人士认为，这一创新技术有望成为近视管理和预防的新标准，特别是在近视人群中普遍存在的视网膜并发症风险评估方面。爱丁堡大学在眼科研究领域一直处于领先地位，这项研究成果进一步巩固了该大学在医学领域的地位。