关键要点：
- 基于人工智能的光学相干断层扫描（OCT）分析支持新生血管性年龄相关性黄斑变性（nAMD）和地图样萎缩（GA）进展的早期检测。
- 人工智能驱动的工具将实现社区化眼科筛查，促进早期转诊和主动管理。
巴黎讯——据欧洲视网膜专家学会（Euretina）大会演讲者介绍，人工智能正在深化我们对年龄相关性黄斑变性复杂机制的理解。
荣获欧洲视网膜专家学会讲座荣誉的乌尔苏拉·施密特-埃尔富特医学博士指出，人工智能及AI驱动工具正在为疾病管理提供指导，支持研究与药物开发，并创造社区化眼科筛查的机会。
图片：米凯拉·奇姆贝尔莱 | Healio
施密特-埃尔富特医学博士回顾了基于AI的OCT分析的多种应用。在新生血管性AMD中，AI算法可量化并监测三个区域的液体体积变化：视网膜内液（IRF）、视网膜下液（SRF）和色素上皮脱离（PED）体积。
"实时操作中，您让云端算法自动完成工作：识别各区域液体体积。当患者就诊时，所有关键信息一目了然——液体如何分割、分布位置、随时间的动态变化及具体体积数值，"她在讲座中解释道。
施密特-埃尔富特及其团队在真实世界人群中开展了一项前瞻性研究。针对290名患者，AI驱动治疗使年均注射次数显著减少，平均6次对比标准治疗的9次。研究还发现可通过基线液体体积区分治疗有效者与无效者：有效者基线IRF体积显著更高，而随时间推移SRF和PED平均体积显著更低。
在地图样萎缩领域，椭圆体区（EZ）损失近期被确认为疾病活动的关键亚临床生物标志物。椭圆体区变薄是光感受器退化的早期征兆。
"当光感受器死亡时，首先会变平，随后继发色素上皮（RPE）损伤，"施密特-埃尔富特在演讲中说明。自动化AI工具可客观精准测量椭圆体区变薄和RPE损失，实现对活跃性与非活跃性病灶、治疗有效者与无效者的早期识别。
施密特-埃尔富特医学博士阐述了AI驱动工具如何影响我们对AMD的理解。基于AI的OCT分析还揭示：AMD是一种复杂疾病，新生血管化与萎缩性病变过程紧密交织。
"湿性AMD与干性AMD具有相同的病理生理机制，"施密特-埃尔富特强调。她解释道，AI工具能揭示这些复杂机制：AI可测量RPE损失、EZ损失，并识别EZ/RPE损失与双层征（DLS）的相关性。
"我们必须全面测量。新生血管病变（MNV）和地图样萎缩（GA）出现在同一AMD病灶中。MNV起源于DLS，而DLS等新生血管支持由光感受器需求触发。'干性'MNV可预防RPE损失、GA进展和黄斑中心受累。伴IRF/SRF的活跃MNV是自然生理过程。在对抗症状前，我们必须理解其根源，"她在讲座中指出。
团队近期开发的目标微视野检查（TMP）工具，将空间映射视网膜敏感度的测试点与形态学变化量化相结合。
"若将功能测试点与形态学变化量化结合，即可进行共配准，观察每个点的功能与形态变化。我们能测量视网膜敏感度和EZ厚度，分析EZ损失与RPE损失区域，从而建立明确相关性，"施密特-埃尔富特说明。TMP由其团队近期研发，已可投入临床实践。
"该工具完全自动化，仅需40个测试点且耗时5分钟，"她在演讲中表示，"完全自动化意味着测试点精准定位在病变区域。"
最后，她探讨了AI驱动工具实现社区筛查的未来可能。
"未来方向不是等待疾病显现——因其不可逆，而是学会筛查，"施密特-埃尔富特在演讲中强调，"我们不应仅治疗有幸预约到眼科医生的患者，而应为所有50岁以上、视力良好且具有中度AMD特征的人群筛查，这完全可行。"
通过I-SCREEN联盟的协作，团队已开发基于云的平台，在眼科诊所、验光师和配镜师间建立社区网络，实现早期病变患者的转诊。
"50岁以上人群大多通过验光师和配镜师配老花镜，"她在讲座中指出，"用于早期和中度AMD检测与风险预测的AI算法正在研发中，这将是下一个治疗靶点。"
来源与披露
来源：
施密特-埃尔富特U. 欧洲视网膜专家学会讲座——人工智能与AMD：新工具如何改变疾病认知、诊断与管理。欧洲视网膜专家学会大会报告；2025年9月4-7日；巴黎。
披露： 施密特-埃尔富特医学博士披露担任艾伯维、阿珀利斯、阿维塞达、勃林格殷格翰、补体治疗、海德堡工程、强生、科迪亚克、诺华、ONL、罗氏和拓普康的顾问。
【全文结束】
