前言
现有技术测量眼轴长度（AL）主要依赖光学生物测量和眼部超声。一项新的研究探讨了OCT（光学相干断层扫描）的高分辨率横截面图像在预测眼轴长度（AL）和提供尚未被探索的进一步结构信息方面的潜力。韩国首尔的研究人员使用了一个深度学习模型，通过分析水平和垂直OCT图像作为双重输入，以识别穹顶状黄斑并精确预测AL。
研究背景
研究纳入了5,349名患者共9,064只眼睛（总计18,128张图像）。这些眼睛的平均眼轴长度为24.35毫米。使用IOL Master 700（卡尔·蔡司医疗技术公司）进行眼轴长度测量，并在测量前三个月内通过Spectralis OCT（海德堡工程公司）获取OCT图像。采用Spectralis HRA + OCT设备，以视网膜中心凹为中心，在高分辨率模式下执行8.8毫米范围内的水平和垂直线性OCT扫描，自动实时分辨率为100。根据是否存在黄斑异常对OCT图像进行了分类，包括视网膜前膜（ERM）、年龄相关性黄斑变性（AMD）、中央黄斑水肿（CME）、黄斑裂孔或其他黄斑异常。
在内部测试集（1,070名患者的1,824只眼睛）中，深度学习模型预测眼轴长度的平均绝对误差（模型预测值与实际值差异的平均值）和决定系数R²（另一种准确性度量）分别为0.592毫米和0.847。在外部测试集（123名患者的171只眼睛）中，相应的MAE和R²分别为0.556毫米和0.663。对于±1.0毫米、±2.0毫米及±3.0毫米的误差范围，双输入模型在内部测试集中达到的准确率分别是83.5%、98.1%和99.5%，而在外部测试集中则分别为85.4%、99.4%和100%。
该新模型展现了令人印象深刻的表现，不仅能够基于OCT图像准确预测AL，还可能用于研究视网膜和脉络膜结构与AL延长之间的关系。这张来自研究的热图分析了9名眼轴长度超过26.0毫米的近视眼受试者，展示了他们实际测量值与OCT预测值的情况。
研究作者在他们的论文中指出：“我们的研究样本不仅包括正常的视网膜图像，还包括多种病理条件。”“这种包括各种疾病的做法增强了我们研究结果在现实世界的相关性和适用性，因为它考虑了可能影响眼球延长的视网膜眼底病变的复杂性和异质性。”
分析仅基于水平和垂直横截面图像，没有结合黄斑体积扫描图像。团队建议未来的研究应该考虑结合黄斑体积扫描图像以提高预测的准确性。也许有一天，OCT设备最终可以直接测量轴向长度。
参考文献：
Oh R, Kang M, Ahn J, et al. Prediction of axial length from macular optical coherence tomography using deep learning model. Transl Vis Sci Technol. 2024;13(9):14.
原文链接：
https://www.reviewofoptometry.com/news/article/oct-show-promise-as-tool-to-predict-al
声明：本文仅供医疗卫生专业人士学术交流，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本平台及作者不承担相关责任。
