光影解析：OCT血管成像联合深度学习在近视性黄斑病变早期筛查中的新进展

近年来，高度近视患病率持续攀升，其并发症——近视性黄斑病变已成为全球不可逆视力损害的主要原因之一。传统眼底检查与OCT虽能部分显示结构改变，但早期微血管异常难以捕捉。OCT血管成像（OCTA）的出现，为无创、分层观察视网膜和脉络膜血流提供了可能。然而，面对海量三维数据，人工判读效率低且主观性强，人工智能的引入恰逢其时。 近期多项研究显示，深度学习算法可自动分割OCTA图像中的浅层、深层毛细血管丛及脉络膜毛细血管层，定量计算血管密度、灌注面积等参数。例如，一项纳入500余只高度近视眼的多中心研究发现，黄斑区脉络膜毛细血管密度降低与近视性黄斑病变进展显著相关，AUC达0.91。在早期弥漫性萎缩阶段，OCTA即可检测到局灶性血流缺失，而传统OCT仅显示轻度RPE改变。这提示OCTA联合AI有望将诊断窗口前移。 临床应用中，某视光中心引入AI辅助OCTA分析系统后，近视性黄斑病变早期检出率提升30%，平均判读时间从15分钟缩短至2分钟。系统自动生成血流密度热力图和风险分级报告，辅助医生制定随访方案。对于病理性近视患者，若AI提示脉络膜毛细血管密度进行性下降，即使视力稳定，仍建议缩短复查间隔并考虑干预。 值得注意的是，当前挑战包括不同设备间OCTA数据标准化、算法泛化能力及多模态融合。未来，结合OCTA、OCT结构特征和眼底彩照的多模态AI模型，有望更全面评估微血管-结构-功能关联，为近视性黄斑病变的早期筛查和精准管理提供强大工具。