高度近视已成为全球范围内视力损害的主要原因之一，其引发的黄斑病变如脉络膜新生血管（CNV）、黄斑劈裂等，是导致不可逆视力丧失的元凶。传统的眼底检查和荧光血管造影存在有创、耗时等局限。近年来，光学相干断层扫描血管成像（OCTA）以其无创、高分辨率、三维血流可视化的优势，成为高度近视眼底评估的核心工具。
然而，面对海量的OCTA图像，人工判读面临效率低、一致性差等问题。人工智能（AI）的引入，为OCTA图像分析带来了革命性变化。通过深度学习算法，AI能够自动分割视网膜各层结构，量化血管密度、血流面积、无灌注区等参数，并识别微小的血流异常。这为高度近视黄斑病变的早期筛查和精准干预提供了有力支持。
近期，一项多中心研究利用AI-OCTA系统对1200名高度近视患者进行筛查，发现AI在检测早期CNV的敏感性达到95%以上，特异性超过90%，显著优于人工判读。该系统通过量化黄斑区深层血管复合体（DVC）的血管密度和形态特征，能够在CNV发生前6个月识别出血流异常区域，为预防性治疗争取了宝贵时间。
在临床实践中，AI-OCTA联合扫频OCT（SS-OCT）还可监测眼轴增长对视网膜的牵拉效应，评估后巩膜葡萄肿区域的微循环状态。视光中心和眼科医院正逐步引入这一技术，建立高度近视患者的眼底影像数据库，实现个性化随访。例如，某视光中心对高度近视儿童进行每半年一次的AI-OCTA检查，结合眼轴和屈光度数据，动态调整近视控制方案，有效降低了黄斑病变的发生率。
随着AI算法的不断优化和硬件设备的便携化，AI-OCTA有望在基层医疗机构普及，成为高度近视管理的常规筛查工具。未来，结合基因组学和环境因素的多模态AI模型，将进一步推动高度近视并发症的精准预测和个体化治疗。
