高度近视黄斑病变的早期识别与干预：OCT影像标志物与AI预警的临床整合

## 高度近视黄斑病变：从OCT影像标志物到临床干预的精准之路 近年来，随着全球近视患病率急剧攀升，高度近视（通常指眼轴≥26.5mm或屈光度≤-6.00D）相关眼底病变已成为不可逆盲的重要原因之一。其中，高度近视黄斑病变（Myopic Maculopathy）是导致视力损害的核心病理改变，包括弥漫性脉络膜视网膜萎缩、黄斑劈裂、脉络膜新生血管（mCNV）及漆裂纹等。如何在不可逆损伤发生前精准识别高危人群，成为临床眼科亟待解决的痛点。光学相干断层扫描（OCT）技术的进步与人工智能（AI）算法的引入，正在重塑这一领域的诊疗模式。 ### OCT影像标志物：从形态描述到量化预警 传统眼底检查对早期黄斑病变的敏感性有限，而OCT可无损显示视网膜各层微结构。近年研究揭示了几项关键影像标志物： - **脉络膜厚度变薄**：高度近视眼脉络膜厚度显著下降，尤其黄斑中心凹下脉络膜厚度（SFCT）<50μm时，发生mCNV的风险增加数倍。 - **巩膜后葡萄肿**：OCT可见后极部巩膜向后膨出，导致视网膜顺应性下降，是黄斑劈裂的核心风险因子。 - **视网膜劈裂与外层视网膜管样结构**：外层视网膜管样结构（ORT）提示光感受器损伤，与视力预后不良密切相关。 - **玻璃体黄斑牵引与内界膜异常**：牵拉性因素可加速劈裂进展。 临床中，我们应建立以“脉络膜厚度+巩膜形态+视网膜层间结构”为核心的风险分层体系。例如，一项多中心研究纳入1200例高度近视眼，结合上述指标构建的评分系统，对3年内发生mCNV的预测AUC达0.91。 ### AI预警：从图像识别到纵向预测 AI在OCT图像分析中已展现超越人工的细微特征捕捉能力。深度学习模型可自动分割脉络膜、量化劈裂腔体积，并识别早期漆裂纹。更前沿的是，结合多次随访OCT数据的时序模型可预测病变进展速度。例如，基于卷积神经网络（CNN）与循环神经网络（RNN）的混合架构，通过分析基线及6个月随访OCT，能提前1年预测黄斑劈裂加重的概率（准确率约87%）。 这些工具并非取代医生，而是辅助建立高效筛查流程：在视光中心或体检机构，AI初筛标记可疑影像，再由眼底病专科医师复核，极大缓解医疗资源不均。 ### 临床干预策略：从被动治疗到主动阻断 **（一）mCNV的早期干预**：抗VEGF药物仍是首选，但关键在于“早期”。OCT血管成像（OCTA）可显示CNV血流，结合AI量化活动性，有助于优化再治疗标准。对于合并黄斑劈裂的mCNV，部分病例联合玻璃体手术可能获益。 **（二）黄斑劈裂的手术时机**：当视力下降或ORT出现时，可考虑玻璃体切除联合内界膜剥除。但手术可能诱发黄斑裂孔，需个体化权衡。近年有团队尝试保留中心凹内界膜的改良术式，降低裂孔风险。 **（三）后巩膜加固术的再评价**：对于进行性眼轴延长伴黄斑病变者，后巩膜加固术可机械性限制眼轴增长，部分研究显示其能稳定甚至改善黄斑结构。但手术适应症和长期效果仍需更多证据。 ### 整合路径与未来方向  **临床整合建议**： 1. 对高度近视患者建立OCT基线档案，并根据风险分层制定随访间隔（高危每6-12个月，低危每1-2年）。 2. 引入AI辅助筛查系统，尤其在医联体或视光中心网络中，实现基层初筛、上级医院确诊的分级诊疗。 3. 关注患者宣教，强调定期OCT检查与自我监测（如阿姆斯勒方格表）的重要性。 未来，随着多模态影像融合（OCT+OCTA+超广角眼底像）与基因组学数据的整合，精准预测个体化风险将成为可能。高度近视黄斑病变的管理正从“发生后再治疗”转向“预测性干预”，而OCT与AI的结合是这一转变的核心引擎。 **参考文献**（略）