AI增强扫频OCT与眼底影像组学：揭示高度近视黄斑劈裂早期生物力学标志与干预时机

高度近视已成为全球公共卫生挑战，尤其在中国青少年中，高度近视患病率持续攀升，与之相关的黄斑劈裂（Myopic Macular Retinoschisis）是导致不可逆视力损害的严重并发症。黄斑劈裂的发生与后巩膜葡萄肿、玻璃体黄斑牵引及视网膜僵硬度的生物力学失衡密切相关，但早期阶段往往无明显症状，常规OCT可以发现明确的视网膜层间分离，但此时可能已错过最佳干预窗口。 近年来，扫频OCT（SS-OCT）的普及提供了更深穿透力和更高分辨率，能够清晰显示后巩膜形态、脉络膜厚度及视网膜细微结构。结合AI与影像组学分析，我们可以从海量OCT图像中提取肉眼难以察觉的定量特征，如局部视网膜曲率变化、玻璃体视网膜界面反射率、脉络膜厚度梯度等，构建黄斑劈裂的风险预测模型。 一项针对亚洲高度近视人群的前瞻性研究显示，利用AI算法分析基线SS-OCT，通过深度学习提取巩膜与视网膜的形态特征，对随后两年发生黄斑劈裂的预测准确率达到89%，显著优于单纯依据眼轴长度或传统OCT判读。这提示影像组学可能捕捉到亚临床阶段的结构改变，为预防性干预提供依据。  此外，光学相干断层扫描血管成像（OCTA）虽不能直接反映生物力学，但黄斑劈裂常伴随视网膜深层毛细血管丛的血流改变，血流密度降低可先于结构劈裂出现。结合SS-OCT的结构参数与OCTA的血流参数，构建多模态影像组学模型，不仅能预测劈裂风险，还可鉴别哪些患者进展较快，需要更密切随访或早期玻璃体切除联合内界膜剥除。 在视光中心或高度近视专病门诊，此类影像技术有望成为常规筛查工具。然而，标准化数据采集与模型泛化仍是挑战：不同设备、不同扫描协议的数据异质性会影响模型表现。因此，多中心协作建立统一影像数据库，推动开源的AI模型验证，是落地应用的关键步骤。 随着国产扫频OCT的崛起，结合本土数据训练的模型将更具临床应用前景。未来，影像技术不仅用于诊断，更将融入高度近视全生命周期管理，从青少年近视防控到中老年并发症监测，实现精准、个性化的眼健康守护。