影像组学联合AI：从OCT到病理切片的跨尺度映射，揭示高度近视黄斑病变微观结构-功能关联新机制

高度近视已成为全球范围内不可逆视力损伤的主要原因之一，其黄斑并发症（如黄斑劈裂、黄斑裂孔、脉络膜新生血管等）的早期诊断与干预一直是眼科学界的热点与难点。近年来，影像组学（Radiomics）与人工智能（AI）的深度融合，为解析高度近视黄斑病变的微观病理改变与影像表型之间的关联提供了全新视角。近期发表在《Ophthalmology》等顶级期刊上的多项研究，利用高分辨率OCT与组织病理切片的跨尺度影像组学分析，成功构建了从活体影像到微观结构的三维映射模型，为揭示疾病进展的力学与生物学机制开辟了新途径。 ### 从宏观影像到微观病理：跨尺度映射的技术挑战 传统OCT能够提供黄斑区视网膜各层的微米级分辨图像，但难以直接反映细胞外基质重塑、胶质细胞活化等微观病理变化。而离体的组织病理切片虽然能展示细胞级细节，却无法用于活体纵向评估。如何将两者桥接，一直是转化医学的难点。影像组学通过高通量提取OCT图像中肉眼难以捕捉的定量特征（如纹理、形状、边缘梯度等），结合AI算法，建立起影像特征与病理特征之间的关联模型。例如，一项针对高度近视眼球的离体研究，将尸眼OCT容积扫描与连续组织切片进行配准，利用三维卷积神经网络（3D-CNN）学习OCT信号强度分布与纤维化、萎缩等病理区域的空间关联，实现了对活体OCT图像中“虚拟病理”区域的预测，准确率超过85%。 ### 影像组学特征揭示黄斑劈裂的力学失衡机制 高度近视黄斑劈裂（Myopic Macular Retinoschisis, MRS）的发生与后巩膜葡萄肿、玻璃体视网膜牵拉、视网膜僵硬等因素密切相关。传统影像学评价多局限于形态学描述，而影像组学能够量化视网膜层间微结构的异质性。上海交通大学附属新华医院的一项研究对68例MRS患者和60例高度近视无劈裂对照者的黄斑区OCT图像进行影像组学分析，提取了包括灰度共生矩阵、小波变换等在内的214个特征，构建的机器学习模型不仅能准确区分两组人群（AUC=0.93），还发现“内层视网膜纹理复杂度降低”与“外层视网膜高信号区离散度增加”是劈裂进展的独立预测因子。进一步的有限元分析显示，这些影像组学特征与视网膜切线方向牵拉应力的空间分布高度相关，提示影像组学可作为无创评估视网膜生物力学状态的新工具。 ### AI联合影像组学预测脉络膜新生血管发生风险 高度近视并发的脉络膜新生血管（mCNV）是导致中心视力急剧下降的重要原因。早期识别高风险眼对于及时干预至关重要。中山眼科中心团队基于扫频OCT（SS-OCT）图像，利用影像组学联合深度学习构建了mCNV风险预测模型。研究纳入132只高危眼（对侧眼已发生mCNV）和150只低危眼，自动分割脉络膜层并提取其三维纹理特征，结合临床参数（年龄、眼轴、脉络膜厚度等）进行多模态融合。结果显示，融合模型的预测性能（C-index=0.91）显著优于单一临床模型或影像组学模型。该团队进一步发现，脉络膜血管指数（CVI）的局部异质性，尤其是黄斑中心凹颞侧脉络膜毛细血管层的纹理特征，是mCNV发生的核心预测因子，这与组织病理学观察到的脉络膜血管丢失和纤维化分布规律相吻合。 ### 从静态特征到动态演变：纵向影像组学的应用前景 当前多数影像组学研究基于单次影像检查，而疾病进展是一个动态过程。在近期举办的“全国眼科学术大会”上，复旦大学附属眼耳鼻喉科医院的研究者报告了基于纵向OCT的影像组学在高度近视黄斑病变中的应用。他们对一组高度近视患者进行为期4年的随访，每隔1年采集一次黄斑OCT，通过构建时间序列影像组学模型，不仅能够预测黄斑劈裂的发生，还能量化劈裂进展速度。初步结果显示，基线时“视网膜层间低反射缝隙的纹理熵值”与劈裂进展速度呈正相关，可能反映了光感受器细胞与Müller细胞之间黏附状态的改变。这种纵向影像组学方法有望成为未来临床试验中评价新型干预措施（如玻璃体手术、后巩膜加固术）疗效的敏感影像学终点。 ### 挑战与展望 尽管跨尺度影像组学在高度近视黄斑病变研究中展现出巨大潜力，但当前仍面临诸多挑战。首先，OCT设备型号多样、扫描参数不一，导致影像组学特征的鲁棒性和可重复性欠佳，亟需建立标准化的图像采集与特征提取规范。其次，离体组织配准的精度受到组织处理过程中变形的影响，需要发展更先进的非刚性配准算法。此外，大多数研究样本量较小，缺乏外部验证，限制了结果的推广性。未来，多中心、大样本的联合研究，以及结合基因组学、蛋白质组学的多组学融合，将有助于构建更全面的高度近视黄斑病变精准评估体系。 影像组学与AI的结合正在推动高度近视黄斑病变的研究从“看得见”向“看得懂”跨越。随着技术的不断成熟，这些基于影像的定量分析工具将从科研走向临床，为高危人群筛查、个体化随访策略制定及治疗反应评估提供有力支持。