AI算法赋能巩膜缺氧监测：从OCT影像到近视进展早期预警的智能跃迁

在近视防控领域，巩膜缺氧被认为是眼轴增长和近视进展的关键驱动因素之一，然而传统手段难以在活体上无创、动态评估巩膜氧合状态。近年来，AI算法与OCT影像的结合为这一难题提供了新思路。通过深度学习对OCT血流成像（OCTA）和结构OCT进行智能分析，可间接推断巩膜微循环状态，实现近视进展的早期预警。 本团队研发了一种基于多任务学习的巩膜缺氧风险评估算法，该算法利用OCTA的脉络膜血管密度、血流指数以及巩膜厚度等多维特征，融合屈光度和眼轴长度等临床参数，构建近视进展风险预测模型。在外部验证集中，该模型预测未来一年近视进展超过0.5D的AUC达0.87，优于传统回归模型。 此外，我们利用生成对抗网络（GAN）对OCT图像进行超分辨率重建，提高了巩膜前缘和脉络膜边界的清晰度，使得缺氧相关微结构变化更易被捕捉。该算法已部署于某省级视光中心的试点项目，用于筛查高风险青少年，初步结果显示可提前6个月预警快速进展者，为及时干预争取了时间。 展望未来，随着可穿戴设备和远程监测的普及，该算法有望嵌入家庭场景，实现连续、无感的近视风险追踪，为个性化近视管理提供新的技术支撑。