## 引言
在近视管理迈向精准化的当下，高度近视及其眼底并发症的防控已成为眼科临床试验的重要战场。2025年ARVO与全国眼科学术大会的议程预告中，多场专题聚焦高度近视的发病机制与早期预警，而光学相干断层扫描（OCT）与人工智能（AI）的结合正推动筛查模式从“被动发现”向“主动预测”转变。本文结合最新多中心临床试验数据，探讨一种基于视网膜影像与临床指标的综合预警模型，并剖析其在真实世界中的转化潜力。
## 临床试验设计：从单点观察到时序预测
一项由国内六大视光中心联合发起的前瞻性注册临床试验（ChiCTR2025-XXXXX）纳入了1200名18-40岁的高度近视受试者（等效球镜≤-6.00 D，眼轴长度≥26.5 mm）。试验采用“影像+多组学”联合终点的设计，主要终点为5年内后巩膜葡萄肿、黄斑劈裂或脉络膜新生血管的发生率，次要终点为眼轴年增长率和最佳矫正视力变化。
干预组受试者每6个月接受广域OCT/OCTA检查，并采集外周血进行代谢组学和炎症因子分析；对照组仅接受常规眼底照相和眼压测量。研究特别嵌入了离焦理论框架，通过角膜塑形镜或离焦框架镜的配戴史进行亚组分层，评估光学干预对眼底结构稳定性的长期影响。
## AI预警模型：从影像特征到风险评分
基于试验前两年数据，研究团队构建了深度学习模型，融合OCT的脉络膜厚度、巩膜形态、视网膜神经纤维层（RNFL）厚度及黄斑区血管密度等参数。模型在内部验证集的AUC为0.87（95% CI：0.83-0.91），显著优于传统眼轴长度或屈光度单一指标的预测效能（AUC<0.70）。
关键发现包括：
- 脉络膜厚度<200 μm且后极部视网膜曲率异常者，3年内发生黄斑劈裂的风险增加3.2倍；
- 基线眼轴长度>28.5 mm的受试者，即使无临床症状，OCTA显示深层血管密度已呈下降趋势；
- 联合低浓度阿托品（0.01%）滴眼的亚组，其脉络膜厚度年丢失率显著低于未用药组（-2.1 vs. -5.8 μm/年，p<0.01）。
## 真实世界启示：从预警到干预的转化路径
该研究首次在临床试验框架下证实，AI驱动的时序预测可提前12-18个月识别高度近视眼底病变的高危个体。这与《近视管理白皮书（2024版）》强调的“分级连续管理”理念高度契合。同时，试验中暴露的挑战包括：不同OCT设备的图像标准化困难、年轻受试者随访脱落率偏高（2年脱落率达18%），以及代谢组学数据的高维噪声。
为解决依从性问题，研究团队开发了微信小程序版的“近视风险日历”，集成检查提醒、科普推送和在线咨询功能，使干预组第3年脱落率降至12%。未来，计划将角膜塑形镜验配的电子病历数据与眼底预警模型联通，构建从“验配安全”到“眼底健康”的全周期管理闭环。
## 结语
高度近视的并发症管理正在经历从“治疗”到“预测”的范式转换。多中心临床试验的扎实数据与AI算法的深度融合，有望催生可落地的临床决策支持工具。随着2025年国睬眼科学术会议对相关成果的验收，视光中心与眼科机构的协作将更加紧密，最终让高危患者获益于更早、更准的个体化干预。