青光眼是全球首位不可逆致盲眼病，早期诊断对延缓视神经损伤至关重要。然而，传统诊断依赖主观视野检查和眼底照相，漏诊率较高。近年来，AI算法与OCT血管成像（OCTA）的融合为早期青光眼检测开辟了新路径。
一项发表于《Ophthalmology》的多中心研究显示，基于深度学习的时空预测模型可分析OCTA的视盘区微血管密度和视网膜神经纤维层（RNFL）厚度变化，提前18个月预测视野缺损进展，AUC达0.93。该模型采用三维卷积神经网络（3D-CNN）捕捉OCTA的时空特征，并结合注意力机制强化对颞下方RNFL的关注，因为该区域对青光眼损伤最敏感。
另一项来自新加坡的眼科AI团队开发了可解释性框架，利用梯度加权类激活映射（Grad-CAM）可视化算法关注的微血管区域，与临床专家关注的区域高度吻合，增强了医生对AI决策的信任。在临床部署中，该算法被集成到OCT设备中，实现“拍摄-分析-报告”一体化流程，缩短了诊断时间。
在我国，青光眼筛查面临基层医疗资源不足的挑战。AI算法的轻量化模型可在普通电脑上运行，结合便携式OCT设备，有望推动青光眼筛查下沉至社区卫生服务中心。例如，温州医科大学附属眼视光医院在温州地区开展的社区筛查项目，利用AI辅助诊断系统将疑似青光眼转诊率提高了40%，同时减少了不必要的转诊。
未来，随着多模态数据（OCT、OCTA、视野、基因等）的融合和纵向随访数据的积累，AI算法将不仅能预测结构损伤，还能预测功能预后，为个体化治疗决策提供支持。青光眼AI诊断正从“看见”走向“预见”。