AI算法驱动的早期圆锥角膜筛查：从角膜地形图到时序高度数据的智能预警新范式

圆锥角膜是一种进行性角膜扩张性疾病，早期症状隐匿，常规验光难以发现，若未能及时干预，可能发展为严重的视力损害甚至需要角膜移植。目前，早期筛查主要依赖角膜地形图，但传统分析依赖医生经验，易漏诊早期或亚临床圆锥角膜。随着AI算法的发展，利用深度学习模型自动分析角膜地形图及断层扫描数据，显著提高了早期检测的准确性。 近期研究表明，卷积神经网络（CNN）在区分正常角膜、亚临床圆锥角膜和圆锥角膜方面表现出高灵敏度和特异度。例如，一项多中心研究使用超过万例角膜地形图训练AI模型，其对亚临床圆锥角膜的检测AUC达到0.98以上，远超传统指数（如KISA%指数、Belin/Ambrósio增强扩张显示等）。此外，AI还能结合多种设备数据如OCT角膜断层扫描、角膜生物力学指标（Corvis ST、Ocular Response Analyzer）进行多模态融合，进一步提高亚临床圆锥角膜的识别能力。 更前沿的是，AI算法正在向时序预测迈进。通过分析连续多次的角膜地形图随访数据，构建时序模型（如长短期记忆网络LSTM、Transformer），可以捕捉角膜形态的微小动态变化，预测患者未来发生圆锥角膜的风险，从而实现早期预警和干预。例如，对于接受屈光手术术前筛查的患者，AI可以识别出那些传统检查认为正常但实际存在潜在扩张风险的患者，避免术后角膜膨隆的发生。 在临床落地方面，AI辅助的圆锥角膜筛查系统已开始部署到视光中心和屈光手术中心。系统自动标注可疑区域，提供风险评分和解释性热力图，辅助医生快速决策。这不仅提高了筛查效率，还促进了基层医疗单位对圆锥角膜的早期发现和转诊。 未来，AI算法将与基因检测、泪液生物标志物等结合，构建更全面的圆锥角膜风险预测模型。同时，可解释性AI的发展将使医生更加信任算法的输出，推动其在临床实践中的广泛应用。