近期人工智能（AI）领域的发展催生了一种测量近视的新方法，显著提升了预测严重视网膜疾病长期风险的能力。这项创新方法在《调查眼科与视觉科学》（Investigative Ophthalmology & Visual Science）期刊上发表的研究中进行了详细描述，它将常规眼部扫描与AI技术相结合，从而对个体的眼部健康状况作出更精确的评估。
研究显示，那些视网膜图像显示的近视程度高于其眼镜处方所反映程度的人，面临更高的视网膜脱离和撕裂等疾病风险。这一发现强调了对近视进行更细致评估的必要性，以考虑到传统眼镜处方可能忽略的细微视网膜变化。
这一新指标被称为眼底屈光偏差（Fundus Refraction Offset，FRO），为临床医生提供了一种更精细的工具，用于识别更易因近视而引发威胁视力并发症的患者。预计到2050年，全球近一半人口将患有近视，这项技术的发展在大规模管理眼部健康方面可能具有决定性意义。
目前，全球有超过十亿人患有近视，其中处方严重者罹患视网膜脱离的风险是普通人的13倍。即便如此，具有相似处方的人之间风险差异仍可能很大，这凸显了个性化评估的必要性。
在这项开创性研究中，爱丁堡大学的研究人员分析了来自英国生物样本库（UK Biobank）超过9,300名年龄在40至69岁之间、无既往视网膜问题的参与者健康数据和视网膜图像。研究人员利用AI技术，将个体视网膜的结构外观与基于其眼镜处方所预期的标准进行对比，从而计算出FRO评分。
结果显示，FRO评分下降——表明视网膜看起来比预期更近视——意味着在12年内发生视网膜脱离或撕裂的可能性增加50%。即使控制了年龄、性别和初始眼镜处方等因素，这一相关性仍然成立。
这一创新评分不仅提升了高风险个体的识别能力，也对诸如激光手术等选择性眼科治疗的临床决策具有重要意义。通过识别出即使处方相似但视网膜更为脆弱的患者，医疗提供者可以做出更明智的治疗选择。
该研究的主要调查员强调，应逐步摆脱仅依赖眼镜处方的做法。通过结合视网膜信息，可以更有效地将护理资源集中在日益增长的近视及其并发症患者群体上。
这项研究代表了眼科领域的重要进步，为通过更精准的风险评估和管理手段改善近视相关眼病患者的预后提供了新的工具。
【全文结束】
