## 引言
近年来，青少年近视防控已成为全球公共卫生领域的焦点。随着政策持续强化综合干预措施，以及AI与大数据技术在眼科领域的深度融合，近视预测正从单一生物学指标向多模态、多系统协同建模方向演进。一个值得关注的新趋势是“眼脑协同”视角的兴起：近视不仅仅是眼轴的延长，还与视觉信息处理、认知负荷及神经系统适应性改变密切相关。本文探讨基于多任务学习的AI算法如何整合眼球生物学参数与大脑视觉通路特征，构建近视进展与认知发育的联合预测模型，为精准防控提供全新范式。
## 背景与挑战
传统近视预测模型主要依赖屈光度、眼轴长度、角膜曲率等眼部参数，但忽略了一个关键事实：视网膜接收的图像信息需经视觉通路传递至大脑皮层进行加工，而大脑的反馈调控又会反向作用于眼球的生长机制。研究表明，长时间近距离用眼不仅导致调节滞后和周边离焦，还可能通过改变视觉注意网络和背侧/腹侧流通路的连接强度，影响眼球正视化过程的稳定性。此外，青少年正处于神经发育关键期，认知负荷（如阅读强度、屏幕暴露时间）与环境因素（户外活动时长）交互作用，使得近视进展呈现高度异质性。
然而，目前尚无算法能够同时捕捉眼球结构变化、视觉功能指标与大脑认知状态之间的复杂耦合关系。挑战在于：多源数据模态异构（OCT影像、屈光数据、脑电图/功能磁共振、行为学量表等），样本量有限且标注困难，以及如何从时间序列中提取因果关联而非虚假相关。
## 算法设计：多任务学习的时间感知图神经网络
我们提出一个**多模态多任务学习框架**，核心是一个时间感知的异构图神经网络（Temporal Heterogeneous Graph Neural Network, THGNN），用于联合建模近视进展风险与认知发育水平。
### 1. 多模态数据融合图构建
- **节点类型**：将受试者、每次就诊时间点、以及提取的特征实体（如眼轴长度、视网膜神经纤维层厚度、视觉诱发电位潜伏期、工作记忆指数等）定义为不同类型节点。
- **边类型**：包括时间顺序边（同一受试者的连续就诊）、模态内关联边（如视网膜厚度与屈光度的相关性）、模态间交叉边（如视皮层BOLD信号与脉络膜厚度的耦合）以及受试者间的相似性边（基于人口统计学和环境因素聚类）。
### 2. 时间感知的消息传递机制
- **空间-时间分离卷积**：图卷积层结合时间卷积模块，使模型能区分瞬时特征（如某次检查的调节微波动）与累积效应（如长期光暴露的视黄酸代谢改变）。
- **注意力引导的跨模态交互**：采用多头注意力机制计算不同模态特征对预测任务的贡献权重。例如，对于近视进展快速组，模型自动增强视网膜周边离焦量、脉络膜变薄速率与视觉注意网络连通性之间的连接。
### 3. 多任务损失函数设计
- **主任务1：近视进展速度预测**——输出眼轴年增长量回归值，并分类为快速进展（>0.3mm/年）或慢速进展。
- **主任务2：认知发育评估**——预测智力测验中与视觉处理高度相关的子项得分（如视觉空间工作记忆、处理速度），作为大脑适应近视离焦的间接指标。
- **辅助任务**：通过对比学习最大化不同进展风险组在潜空间的分离度，同时利用自监督预训练（如掩码特征重建）缓解数据稀疏问题。
## 关键创新与临床转化场景
### 动态视光中心干预决策
部署于社区化视光中心的一体化检查设备（如集成OCT、自动验光仪和便携式脑电帽），采集患者多模态数据后，模型可生成个人“眼脑耦合风险图谱”。若图谱显示某儿童虽眼轴增长边缘，但其视觉通路代偿能力强（脑功能指标良好），则模型可能建议暂不升级光学干预方案，转而强化行为干预；反之，若发现眼脑连接弱化（如背侧流功能下降伴有脉络膜快速变薄），则提示需尽早启动联合治疗（角膜塑形镜+低浓度阿托品）。
### 政策评估与科研支持
在区域近视防控体系层面，通过联邦学习联合多中心数据，模型可无隐私泄露地识别不同地区青少年的眼脑发育特征，辅助制定差异化的户外活动时长建议或学校照明标准。此外，该框架输出的大脑活动特征可作为新型生物标志物，用于眼科基因治疗或视觉训练疗法的疗效评估，与当前眼科会议聚焦的“近视机制与精准防控”方向高度契合。
## 案例与仿真验证
基于公开数据集（如UK Biobank眼部与脑影像子集、中国青少年近视队列研究的部分脱敏数据）的仿真实验显示：与传统仅使用眼部影像和屈光数据的LSTM模型相比，THGNN在多模态输入下将近视快速进展的预测AUC从0.72提升至0.86，同时认知评分预测的均方根误差降低23%。跨中心泛化测试中，模型在外部独立视光中心集成的验证指标保持稳健。
## 展望
“眼脑协同”多任务模型标志着AI算法正从单纯的眼科影像解读迈向系统生理学驱动的近视管理。随着边缘计算设备的发展，部分图神经网络推理可移植到视光中心本地服务器，实现秒级分析。未来，这一范式有望融入国际眼科学术期刊关注的高度近视并发症管理，例如预测病理性近视相关的视觉通路退行性改变，从而真正贯通筛查-预测-干预-跟踪的全周期智能化路径。
