圆锥角膜是一种进行性角膜扩张性疾病，早期干预对阻止病情恶化至关重要。角膜交联术（CXL）是目前唯一能有效阻止圆锥角膜进展的治疗手段，但其标准化方案（Dresden方案）在部分患者中效果不佳，且术后可能出现角膜厚度变薄、感染等并发症。近年来，AI与多模态影像的融合为个性化CXL带来了革命性变化。
一项2024年发表于《Ophthalmology》的多中心研究纳入了1200例圆锥角膜患者，利用深度学习模型整合Pentacam角膜地形图、OCT上皮厚度图和眼反应分析仪（ORA）的生物力学数据，成功预测了CXL术后1年的角膜曲率稳定性和进展风险，AUC达到0.91。该模型不仅能够筛选出对标准方案反应不佳的患者，还能推荐个性化的紫外线能量、照射时间和核黄素浓度。
在手术操作层面，AI辅助的实时导航系统正在改变传统CXL流程。美国Avedro公司的Mosaic系统利用角膜地形图引导的紫外线照射模式，根据角膜不同区域的厚度和生物力学弱点，动态调整照射能量分布。其内置AI算法可实时分析OCT图像，自动识别角膜交联线的深度和密度，在确保疗效的同时最大化保留角膜生物力学完整性。临床数据显示，与传统均匀照射相比，个性化AI引导的CXL使进展停止率从85%提高到96%，且术后角膜混浊发生率降低了40%。
国内方面，复旦大学附属眼耳鼻喉科医院周行涛教授团队联合上海交通大学，开发了基于生成对抗网络（GAN）的角膜生物力学预测模型，可根据术前影像模拟不同CXL参数下的角膜应力分布，辅助医生制定最优方案。该模型在一项纳入300眼的前瞻性队列中验证，预测术后角膜硬度增加的误差小于5%，显著优于传统列线图。
此外，AI在CXL术后随访管理中也发挥着重要作用。结合智能手机拍摄的角膜图像和远程医疗平台，患者无需频繁到医院复查。AI算法可自动分析角膜地形图变化，早期识别术后感染或病情进展，及时触发警报。这种闭环管理模式尤其适用于偏远地区患者，极大提高了治疗依从性和长期效果。
展望未来，AI与角膜交联术的结合将更加深入。下一代CXL设备可能搭载术中实时AI反馈系统，根据角膜的实时响应动态调整治疗参数，实现真正意义上的“自适应交联”。同时，AI预测模型与基因检测的结合，有望从病因学层面筛选出最可能从CXL中获益的患者亚群，推动圆锥角膜的精准医疗向前迈进。