在青少年近视防控迈向精准化、个性化的今天，眼轴长度与屈光度的监测已不能满足临床对近视发生发展机制的深层探索。巩膜作为眼球壁的主要结构，其生物力学特性的改变——尤其是后极部巩膜的薄弱与扩张——是高度近视进展的核心环节。然而，长期以来，活体无创评估巩膜生物力学特性一直是眼科影像技术的难点。
近年来，光学相干弹性成像（Optical Coherence Elastography, OCE）技术的兴起，为这一难题提供了新的解决思路。OCE在传统OCT结构成像的基础上，结合弹性力学原理，通过检测组织在特定载荷（如轻微气压、超声辐射力或生理性脉冲）下的微小形变，定量评估组织的弹性模量，实现了从“结构成像”到“力学成像”的跨越。
### OCE：给巩膜“把脉”的新工具
传统OCT能够清晰显示巩膜的厚度与形态，但无法直接反映其硬度或顺应性。OCE则巧妙地将OCT的高分辨率与弹性测量相结合，其原理类似于触诊，但精度可达微米级。在具体应用中，系统通过接触式或非接触式方式对眼球施加一个微小的、安全的动态激励，随后利用OCT的高速扫描捕捉巩膜组织在激励下的响应，通过分析组织的位移场或剪切波传播速度，计算出组织的弹性模量。
对于近视防控而言，OCE的应用具有重大意义：
1. **早期识别巩膜薄弱风险**：在眼轴尚未显著增长时，通过OCE检测巩膜弹性变化，筛选出可能快速进展的高危儿童，实现早期预警。
2. **评估干预效果**：角膜塑形镜、低浓度阿托品等干预手段是否能够改善巩膜生物力学特性？OCE可以提供客观的量化指标，帮助医生评估治疗对巩膜重塑的影响。
3. **指导高度近视并发症管理**：后巩膜葡萄肿、黄斑劈裂等并发症与巩膜局部力学失稳密切相关，OCE可望成为术前评估和术后随访的重要手段。
### AI赋能：从力学图像到临床决策
OCE产生的数据复杂且动态，人工解读困难，而人工智能的介入则能将海量力学参数转化为直观的临床信息。通过深度学习模型，AI可以：
- **自动分割与追踪**：精准识别巩膜边界，提取组织位移场，减少人为误差。
- **弹性参数反演**：利用神经网络直接从OCE图像中预测弹性模量，大幅提高运算速度和准确性。
- **构建风险预测模型**：将OCE力学参数与眼轴、屈光度、年龄等多模态数据结合，建立个性化近视进展预测模型。
以某眼科中心的一项初步研究为例，该研究纳入了60名8-12岁儿童，分为正视组、低度近视组和中度近视组，采用扫频OCE系统测量后极部巩膜弹性模量。结果显示，近视组巩膜弹性模量显著低于正视组，且与眼轴长度呈负相关。进一步结合AI对OCE图像的分析，该研究构建的回归模型能够以较高精度预测未来一年的眼轴增长量（R²=0.78），显著优于仅基于基线眼轴和屈光度的传统模型。
### 挑战与展望
目前，OCE在眼科的应用仍处于从实验室向临床转化的初期阶段。技术上面临的挑战包括：眼球自身运动（如心跳、呼吸）的干扰、激励方式的安全性与可重复性、以及不同设备间的标准化问题。此外，OCE参数与近视病理生理机制的关联仍需通过更大规模、纵向的临床研究来验证。
值得期待的是，随着扫频光源、高速相机以及AI算法的不断进步，OCE有望在未来五年内逐步走向临床。它不仅能够提供一种全新的近视相关风险评估工具，更可能推动近视防控从“对症控制”迈向“对因干预”的新维度。结合国家近视防控政策的持续推动和视光中心的标准化建设，OCE与AI的融合或将成为下一代眼视光影像技术的核心引擎。
在精准医疗的时代浪潮下，影像技术不再只是“看见”结构，而是开始“感知”功能、“量化”力学。光学相干弹性成像与人工智能的碰撞，正在为近视防控打开一扇通往微观生物力学世界的新大门。