在近视防控迈入全程化管理的时代，近视性黄斑病变（MMD）的早期预警与精准干预成为眼视光领域的研究难点。近期，一项基于OCT血管成像（OCTA）与深度学习融合的纵向研究取得突破，首次利用脉络膜毛细血管密度与血流分形几何学特征，构建了预测高度近视黄斑病变进展的AI模型，敏感性达92%，特异性达88%，成果发表于《Ophthalmology》2025年2月刊。
研究团队纳入多中心1080例高度近视患者，最长随访5年。传统OCTA参数如黄斑中心凹下脉络膜厚度虽然与近视进展相关，但对MMD的预测效能有限（AUC约0.72）。本研究创新性提取了脉络膜毛细血管层的血流分形维数（FD）和血管迂曲度，反映微血管网络的复杂性与空间填充能力。结果发现，随近视程度加深，脉络膜毛细血管FD显著降低，且与椭圆体带完整性、视网膜外层厚度强相关。研究者进一步融合年龄、眼轴长度及上述OCTA特征，训练了基于注意力机制的卷积神经网络（CNN），实现了对MMD发生的个体化风险分层。
值得关注的是，该模型对弥漫性脉络膜萎缩与斑块状萎缩的进展预测尤为精准，这弥补了当前临床依赖眼底照相进行主观分级的不足。复旦大学附属眼耳鼻喉科医院正在牵头一项多中心验证，并计划将算法嵌入OCTA设备，实现“扫完即预测”的实时预警。
技术转化层面，该研究为近视性黄斑病变的早期干预提供了量化靶点。已有药企探索通过提升脉络膜毛细血管密度的药物（如Rho激酶抑制剂），结合AI监测，实现从结构保护到功能保存的跨越。此外，该模型可与近视防控手段（如低浓度阿托品、光学离焦）联合应用，动态评估微血管改善效果，推动个性化近视管理。
这一突破不仅深化了MMD发病机制的认识，更将OCTA从“结构成像”推向“功能预测”，标志着近视并发症防控进入智能量化时代。