近年来，近视防控已上升为国家战略，儿童青少年近视率居高不下，推动着眼科影像技术的飞速发展。在众多干预手段中，基因治疗和干细胞疗法为高度近视及其并发症的防治带来了新希望，但这些前沿疗法的疗效评估亟需高精度、无创的影像学标志物。扫频源OCT（SS-OCT）凭借其更深的成像深度和更快的扫描速度，能清晰显示脉络膜全层结构，而脉络膜厚度变化已被视为近视进展和疗效评估的关键指标。结合人工智能（AI）的自动化分割与量化分析，我们正迈入一个精准、动态、可预测的影像评估新时代。
## 脉络膜：近视防控的“隐藏战场”
传统近视管理多聚焦于眼轴长度和屈光度，但脉络膜作为视网膜外层血供的主要来源，其厚度变化能更早反映眼球生长状态。研究表明，脉络膜变薄与眼轴增长及近视进展显著相关，而有效的近视干预（如角膜塑形镜、阿托品）常伴随脉络膜增厚。因此，脉络膜厚度成为评估治疗反应的敏感影像学标记。然而，手动测量耗时长、重复性差，难以满足临床和科研需求。
## 扫频OCT的突破：从结构可视化到精准量化
相较于传统频域OCT，扫频OCT采用更长波长（约1050nm）光源，能穿透更深层的色素上皮和脉络膜基质，清晰显示脉络膜-巩膜界面。这为自动分割算法提供了高质量图像基础。最新的深度学习模型（如U-Net及其变体）已在脉络膜层分割上取得98%以上的Dice系数，可一键生成脉络膜厚度图，并计算脉络膜血管指数（CVI）等新参数。例如，复旦大学附属眼耳鼻喉科医院的研究团队利用扫频OCT发现，青少年在佩戴多焦软镜6个月后，中心凹下脉络膜厚度平均增加15±8μm，且增幅与眼轴增长速度呈负相关。
## AI赋能：从单点测量到空间预测
AI不仅提升了测量效率，更开启了空间维度分析。通过三维厚度图谱，医生可直观观察不同区域脉络膜对干预的反应差异。结合基线和随访数据，机器学习模型能预测个体近视进展风险，为精准选择基因治疗靶点提供依据。例如，针对LEPREL1、SCO2等近视相关基因的疗法，可通过AI分析治疗前后脉络膜厚度地形图变化，定量评估治疗效果。
## 临床转化与视光中心应用
在视光中心数字化升级中，集成AI辅助诊断的扫频OCT设备可实现儿童近视管理的“一站式”评估。检查流程缩短至1分钟内，报告自动生成脉络膜厚度、CVI等量化指标，并给出个性化随访建议。这不仅提升了患者体验，也为多中心临床研究提供了标准化数据。
## 挑战与展望
当前挑战包括扫频OCT设备成本较高、AI模型的可解释性以及跨机器数据一致性等。但随国产设备崛起和联邦学习技术应用，这些瓶颈有望突破。未来，脉络膜影像组学结合基因组学、转录组学等信息，将构建多模态精准近视防控体系，让基因治疗“看得见”疗效。
扫频OCT与AI的融合，正重新定义近视防控的影像学终点，从结构量化迈向功能预测，为眼视光领域的精准医学实践注入强大动力。