编辑推荐：
青光眼是不可逆失明的主要病因，早期监测其进展意义重大。研究人员开展用光学相干断层扫描（OCT）数据估计视野（VF）平均偏差（MD）以检测青光眼恶化的研究。结果发现现有模型误差大，OCT-MD 需 MAE≤1 dB 才有临床价值。该研究为相关模型优化指明方向。
青光眼，这个悄无声息的 “视力杀手”，正严重威胁着全球众多人的眼部健康。据预测，到 2040 年，全球将有超过 1.1 亿人受其困扰。早期发现青光眼的进展，对于有效控制病情、避免不可逆的视力丧失至关重要。目前，青光眼的监测主要依靠光学相干断层扫描（OCT）和视野（VF）测试。OCT 能在疾病早期敏感地捕捉到结构变化，而 VF 则在疾病后期反映功能变化时更具优势。但两者单独使用都存在局限性，联合使用时也面临着如何更好整合信息的难题。
为了解决这些问题，来自美国约翰霍普金斯大学医学院威尔默眼科研究所等机构的研究人员开展了一项极具意义的研究。他们旨在评估用 OCT 数据转换得到的 VF 平均偏差（MD）在检测青光眼进展方面的临床价值，并探究其所需达到的预测误差水平。该研究成果发表在《Scientific Reports》上。
研究人员采用了一系列关键技术方法。首先，从 2013 年 4 月至 2022 年 7 月在威尔默眼科研究所青光眼卓越中心就诊的成年青光眼或青光眼相关诊断患者中，选取符合条件的患者构建了两个数据集。“模型数据集” 用于训练和测试机器学习模型来估计 OCT-MD，“进展数据集” 则用于评估 OCT-MD 预测 VF 恶化的能力。研究中，对 OCT 扫描和 VF 测试设定了严格的可靠性标准，筛选出可靠的数据进行分析。然后，利用多种机器学习模型，基于 OCT 测量的各种特征来估计 MD，通过交叉验证优化模型参数，最终选择平均绝对误差（MAE）最低的支持向量机（SVM）模型用于后续研究。最后，通过 “替代” 和 “添加” 两种方式，将 OCT-MD 与 VF-MD 结合，计算 MD 斜率，利用受试者工作特征曲线下面积（AUC）评估其检测青光眼进展的能力，并进行误差模拟和敏感性分析。
下面来看具体的研究结果：
- 模型性能评估：研究构建的结构 - 功能 SVM 模型在预测 VF-MD 时，总体 MAE 为 1.62 dB，优于以往多数模型。但随着疾病严重程度增加，OCT-MD 估计误差增大，在中度青光眼患者中 MAE 高达 5.55 dB。
- OCT-MD 与 VF-MD 结合检测疾病进展：在 “替代” 策略中，完全用 OCT-MD 替代 VF-MD 检测青光眼进展的 AUC 显著低于仅使用 VF-MD。部分替代（如 20% 替代）时，AUC 虽与仅用 VF-MD 相似，但并不比少用 20% VF 计算 MD 斜率的效果更好。在 “添加” 策略中，无论 OCT-MD 的 MAE 如何，将其作为额外数据点计算 MD 斜率，AUC 与仅用 VF-MD 时相似，未显著提高检测能力。
- 准确性模拟：通过模拟不同 MAE 的 OCT-MD 模型，发现当 MAE≤1.00 dB 时，OCT-MD 估计在检测青光眼进展方面的性能与 VF-MD 相近；MAE 需达到 1.25 dB 或更好，完全和部分替代时的 AUC 才能高于 0.80。
- 敏感性分析：在第一项敏感性分析中，仅使用同一天进行的 OCT 扫描和 VF 测试数据训练模型，结果与原分析相似，但样本量大幅减少。第二项敏感性分析中，对标记真正进展者设定更严格标准后，得到了类似的趋势，即部分替代的 VF-MD/OCT-MD 斜率 AUC 低于基线 VF-MD 斜率，且替代比例越高效果越差；而 VF-MD + OCT-MD 斜率的 AUC 与基线 VF-MD 斜率相似。
综合研究结论和讨论部分来看，该研究意义非凡。一方面，研究人员开发的机器学习模型在估计 MD 时，预测误差低于以往文献中的结构 - 功能模型，但在检测青光眼进展方面，目前的 OCT-MD 估计即使与 VF-MD 结合，也无法比单独使用 VF-MD 更有效地检测疾病进展。另一方面，研究明确了 OCT-MD 在趋势分析中具有临床价值的误差阈值，即 MAE 需≤1 dB。这为未来开发更精准的结构 - 功能模型提供了重要参考，后续研究可朝着降低预测误差的方向努力，例如利用深度学习模型整合更多的 OCT 信息（如未分割的 OCT 图像、黄斑 OCT 信息、OCT 血管造影信息等），或者尝试预测逐点 VF 测量值，直接预测疾病进展等，有望进一步提高青光眼进展检测的准确性，为临床诊断和治疗提供更有力的支持。
