## 引言
高度近视已成为全球致盲的主要原因之一，其并发症尤其是近视性黄斑病变（Myopic Maculopathy）严重威胁视功能。传统筛查依赖眼底检查和OCT，但早期微血管改变难以察觉。近年来，人工智能（AI）与多组学数据的融合，为风险预测提供了全新工具。
## AI与多组学的结合
近期一项发表于《Ophthalmology》的多中心研究，利用深度学习算法整合超广角眼底影像、OCTA血流参数与基因组数据，构建了高度近视黄斑病变的5年进展风险模型。该模型首次将脉络膜毛细血管密度、血管弯曲度等微观血流特征与多基因风险评分相结合，AUC达到0.93，显著优于传统临床指标。
## 临床转化与应用
研究团队进一步开发了云端部署的辅助决策系统，在视光中心和基层医院进行试点。系统自动分析上传的眼底图像和OCTA数据，输出风险分层报告，并推荐个性化随访间隔和干预策略。在3个月的试运行中，该系统帮助识别了23例早期黄斑病变患者，其中8例通过强化阿托品治疗或巩膜加固手术延缓了进展。
## 挑战与展望
尽管前景广阔，但模型的外推性仍需在更大规模、多民族队列中验证。同时，多组学数据的标准化和成本控制是临床普及的关键。未来，结合可穿戴设备连续监测眼轴与脉络膜厚度，有望实现动态风险预警，推动近视管理从“被动治疗”向“主动健康”转变。
## 结语
AI与多组学的协同创新，正重新定义高度近视并发症的防控范式。随着数据积累和算法迭代，精准预测与个体化干预将惠及更多近视患者。