在眼视光领域，高度近视的防控已从单纯的屈光矫正转向对眼球结构重塑的精准监测。巩膜作为眼球壁的主要成分，其生物力学特性的改变是近视进展的核心病理环节。传统影像技术如OCT和眼底照相主要聚焦视网膜和脉络膜，而对巩膜的评估往往局限于厚度测量，难以全面揭示其微观结构与力学变化。近年来，AI驱动的多模态影像融合技术为破解这一难题提供了全新工具。
通过整合扫频OCT、OCTA及超广角眼底成像，结合AI算法对巩膜形态、厚度梯度及周边血管网络进行三维重建与量化分析，研究者能够动态追踪高度近视患者巩膜后极部及周边的重塑过程。一项发表于2024年《IOVS》的多中心研究显示，基于深度学习的巩膜厚度图谱分析可提前18个月识别出后巩膜葡萄肿的高风险人群，AUC达到0.92。该技术将OCT的层析数据与OCTA的血流信息融合，构建出“结构-血流-力学”耦合模型，不仅量化了巩膜变薄区域，还揭示了局部缺氧与胶原重塑的关联。
在临床转化方面，某视光中心已开始将AI巩膜分析模块嵌入角膜塑形镜验配流程。对于眼轴增长过快或巩膜厚度异常的患者，系统自动提示联合使用低浓度阿托品，并调整镜片设计以优化周边离焦。此外，基于AI的巩膜应力分布模拟，可预测不同干预措施对巩膜应变的影响，为难治性高度近视提供个体化方案。
当前挑战在于多模态数据的标准化采集与AI模型的可解释性。未来，随着联邦学习等隐私保护技术的应用，跨中心数据共享将加速更稳健模型的开发。影像技术正从“看见”到“预见”，为高度近视的全生命周期管理注入新动能。
