OCTA影像组学联合深度学习在糖尿病视网膜病变早期筛查与分级中的突破性进展

近年来，眼科人工智能与OCTA（光学相干断层扫描血管成像）技术的结合成为研究热点。一项发表在《Ophthalmology》上的多中心研究显示，基于OCTA的影像组学特征结合深度学习模型，在糖尿病视网膜病变（DR）的早期筛查中表现优异，AUC达到0.96，灵敏度为93%，特异度为91%。该模型通过提取黄斑区浅层和深层毛细血管丛的微血管形态、密度、血流指数等定量参数，并融合临床数据，实现了对无临床可见病变的早期DR患者（即亚临床期）的识别，以及DR严重程度的自动分级。这一突破为DR的大规模筛查和早期干预提供了高效、无创的工具。 同时，国内眼科团队也利用OCTA影像组学在高度近视黄斑病变的预测上取得进展。通过对高度近视患者黄斑区脉络膜毛细血管密度、血流几何学参数及巩膜形态的多模态特征提取，结合机器学习算法，建立了个性化风险预测模型，能够提前识别出发生近视性黄斑病变的高危个体。该模型在外部验证队列中展现了良好的泛化能力，为高度近视患者的精准随访和预防性治疗提供了依据。 这些研究标志着OCTA从单纯的定性观察迈向定量影像组学分析的新阶段。未来，随着更大规模数据集的构建和算法的持续优化，OCTA影像组学联合AI有望在多种眼底疾病的早期诊断、疗效评估和预后预测中发挥核心作用，推动眼科精准医疗的发展。