在近视防控领域，巩膜生物力学特性的改变被认为是眼轴过度增长的关键因素之一。传统方法难以在体无创评估巩膜力学特性，而近期一项研究利用光学相干弹性成像（OCE）结合深度学习算法，实现了对巩膜弹性模量的精准测量，并成功用于预测近视进展风险。该技术通过检测组织在外部激励下的形变，结合深度学习模型分析形变场，从而量化巩膜的生物力学性能。研究纳入了120名儿童，随访一年，发现基线巩膜弹性模量较低者眼轴增长更快，预测模型AUC达到0.89。这一突破为近视风险分层和个性化干预提供了新的工具，有望在临床中推广应用。
)
此外，该技术还可用于评估药物或光学干预对巩膜重塑的效果，如低浓度阿托品或角膜塑形镜治疗后巩膜硬度的变化，从而指导治疗方案的调整。未来，结合人工智能的OCE有望成为视光中心常规检查的一部分，实现近视防控的精准化。