## AI赋能眼内视网膜下注射基因治疗：从OCTA导航到视功能保护的智能闭环
视网膜下注射基因治疗已成为Leber先天性黑矇、视网膜色素变性等遗传性视网膜疾病的有效干预手段。然而手术精度要求极高：需将载体精准递送至视网膜下腔，避免损伤光感受器与视网膜色素上皮。传统操作依赖医生显微手术经验，学习曲线陡峭，且并发症风险如黄斑裂孔、视网膜脱离等不容忽视。人工智能技术的介入，正为这一高精手术构建从术前规划、术中导航到术后预测的智能闭环。
### 术前：多模态影像融合与注射靶区智能规划
术前OCT血管成像（OCTA）可清晰显示视网膜层间结构及脉络膜毛细血管，但人工分析耗时且难以量化。AI算法能够自动分割视网膜各层，识别黄斑中心凹、视盘等关键解剖标志，并基于三维重建模型精准计算注射位点与视网膜下腔容积。例如，一项发表在《Ophthalmology Retina》的研究展示，深度学习网络在OCTA图像上自动识别视网膜下腔的Dice系数达0.89，大幅缩短规划时间。
此外，AI可融合超广角眼底成像与OCT数据，评估周边视网膜变性区，避免注射路径经过血管弓或玻璃体牵拉区。针对遗传性视网膜疾病患者，AI还能结合基因突变类型与视网膜结构表型，预测不同视网膜区域的光感受器存活率，从而选择功能保留最佳的注射靶区。
### 术中：实时OCT导航与智能注射控制
手术机器人结合术中OCT（intraoperative OCT）可实现实时断层成像，但图像解读延迟是主要瓶颈。AI驱动的快速分割算法能够在毫秒级完成视网膜各层识别，为术者提供“虚拟深度标尺”，提示注射针尖与视网膜色素上皮的距离。当针尖接近目标深度时，系统自动触发警报，避免穿透脉络膜。
更前沿的方向是半自动注射系统：术者控制粗略定位，AI根据实时OCT反馈微调注推压力与速率，确保药物均匀扩散至视网膜下腔。在一项动物实验中，AI辅助注射组的视网膜下药物覆盖率较手动组提高23%，而光感受器损伤率降低41%。
### 术后：疗效预测与并发症预警
术后OCT可客观评估视网膜下液泡吸收情况与光感受器层完整性。AI通过分析术后早期影像，预测基因治疗的功能性改善程度。例如，基于卷积神经网络的模型在治疗后1个月OCT图像上预测6个月后最佳矫正视力变化，AUC达0.86。
同时，AI可识别早期黄斑水肿、脉络膜新生血管等并发症征象，提前干预。对于基因治疗中可能出现的免疫反应，AI结合眼内炎症因子水平与影像特征，建立个体化风险评分，指导术后抗炎用药。
### 挑战与展望
尽管AI在视网膜下注射基因治疗中展现巨大潜力，但临床转化仍面临数据标准化、算法泛化性及监管审批等问题。未来，多中心协作构建大样本多模态数据库，结合联邦学习保护患者隐私，将推动更稳健AI模型的开发。随着手术机器人与AI深度融合，有望实现全自动视网膜下注射，使基因治疗更加安全、可及。