美国一项发表在《眼科研究与视觉科学》（Investigative Ophthalmology & Visual Science）杂志上，并在2025年美国视觉与眼科学研究协会（ARVO）年会上展示的新研究，确定了可能有助于预测早发性年龄相关性黄斑病变（AMD）的关键合并症。该研究由匹兹堡大学医学院（University of Pittsburgh School of Medicine）的伊桑·吴（Ethan Wu）及其同事开展，他们利用机器学习，研究了全身性健康状况如何影响AMD的早期发展——AMD是老年人群视力丧失的主要原因。
该研究分析了930名被诊断患有AMD的患者的数据，将他们分为两组：早发性（65岁之前发病；n = 392）和迟发性（85岁之后发病；n = 538）。为了进行标准化比较，只纳入了55岁之前确诊的合并症。研究人员从电子病历中提取了人口统计学和健康信息，以构建详细的患者档案。
研究团队通过均匀流形近似和投影（UMAP）进行无监督聚类，根据合并症模式确定了三个不同的患者集群。集群1中早发性AMD病例的比例最高（76.09%），显著特征是炎性关节疾病（60.1%）和高血压（34.1%）。集群2中早发性AMD的负担也很高（69.83%），与高血压（25.9%）有显著关联。相比之下，集群3的早发性病例发生率最低（27.02%），几乎没有或完全没有合并症。
为了评估预测潜力，研究人员将机器学习模型——包括梯度提升决策树和随机森林，应用于合并症数据。梯度提升决策树模型仅依靠合并症来确定早发性AMD的发病可能性，预测准确率达到了75.84%。
在分析哪些合并症最具预测性时，高血压是排名最高的因素，其次是血脂异常和炎性关节疾病。这些发现凸显了全身性健康因素对AMD早期发病的潜在影响。
研究还发现，早发性AMD患者的平均合并症数量明显高于迟发性AMD患者（3.32 ± 0.24对0.16 ± 0.02），这表明整体疾病负担可能在加速视网膜退化中发挥了作用。
作者得出结论，高血压、血脂异常和炎性关节疾病与早发性AMD密切相关。他们强调，眼科医生在常规评估中需要考虑患者的全身性健康状况。整合合并症筛查和积极管理可能有助于更早诊断，并采取个性化干预措施来减缓疾病进展。
这项创新性研究强调了机器学习在眼科领域的应用前景，并凸显了跨学科方法在应对像AMD这样复杂的年龄相关性疾病中的重要性。
参考文献：
Ethan Wu, Nasiq Hasan, Sharat Chandra Vupparaboina, Jessica Ye Jiang, Joseph DeCicco, Kiran Vupparaboina, Sandeep Bollepalli, José - Alain Sahel, Jay Chhablani; Identifying Key Co - Morbidities for Predicting Early - Onset Age - Related Macular Degeneration Using Machine Learning. Invest. Ophthalmol. Vis. Sci. 2025;66(8):293.
【全文结束】
