《Vision》：Artificial Intelligence for In-Flight Detection of Space-Related Ocular Trauma: Bridging Diagnostic Gaps in Microgravity
眼部创伤对太空中的机组人员安全和任务性能构成威胁。微重力、密闭环境以及颗粒物、化学品和机械危害的暴露使宇航员面临角膜擦伤、开放性眼球损伤、化学烧伤、晶状体脱位、视网膜脱离、眼眶骨折和气压伤的风险。太空飞行期间的诊断能力受到资源、缺乏专家专业知识以及与地球通信延迟的限制。人工智能，特别是卷积神经网络（CNN）和多模态模型，可能通过图像解读、风险分层和纵向监测来帮助解决这些缺口。卷积神经网络可以从成像数据中提取层次特征以识别细微的结构异常，而多模态模型则将成像与临床和环境参数相结合，以生成更全面的评估。地面眼科学研究表明，这些方法在光学相干断层扫描（OCT）、超声、眼底摄影和前段成像中具有潜力。本综述探讨了如何将这些能力与太空飞行中的眼部损伤相匹配，比较了不同方法在不同损伤类型中的适用性，并确定了通往自主护理的途径。特别关注与太空飞行相关的成像和生理变化、受限的机载硬件，以及集成到支持非专家机组人员的工作流程中。总体而言，这些应用可能扩展诊断能力，并在长期任务期间实现更早、更明智的管理。
**1. 引言**
**1.1. 太空中的眼部健康**
随着美国国家航空航天局（NASA）等航天机构追求更长距离和更长时间的飞行，维持机组人员健康将成为日益重要的考虑因素。微重力太空飞行环境与多种生理效应相关，包括骨脱矿、肌肉流失、心脏萎缩和视觉障碍，而碎片、化学品、设备和其他机载危险则增加了眼部创伤的额外风险。来自NASA生命科学数据档案库（LSDA）和宇航员健康终身监测计划（LSAH）的数据显示，在国际空间站（ISS）和航天飞机（SHT）任务中，共有近250例眼部主诉，其中包括相当数量的眼部创伤，最常见的是眼内异物。尽管这些病例均未导致任务终止，但眼部创伤，即使看似轻微，若未及时准确评估，也可能损害任务性能、机组人员安全和长期视觉健康。这些报告强调了在太空飞行期间对眼部损伤进行可靠评估和管理的必要性。
在地球上，临床医生可以使用广泛的成像方式来诊断和监测眼部损伤，而航天器上的诊断能力则更为有限。可用的机载工具包括眼压计、检眼镜、荧光素条、蓝光滤光片、光学相干断层扫描（OCT）、眼部超声检查和OCT血管成像。此外，随着任务距离的增加，通信延迟可能日益限制机组人员与地面医疗支持团队之间的实时咨询和远程医疗指导。随着及时的地面指导和医疗后送变得不再可行，机组人员可能需要使用现有的机载工具独立评估眼部损伤并指导初步管理。
人工智能（AI）可以通过在无法获得实时专家意见时支持眼科数据的解读并协助检测、分诊和监测眼部损伤，来帮助解决这一缺口。然而，目前尚未有基于AI的眼部诊断系统在太空飞行中得到验证，现有证据均来自地面研究。因此，本综述不假设地面性能能直接转化为太空飞行性能。我们通过将已证实的能力与各类眼部损伤的特定诊断需求相匹配、比较现有证据的适用性和局限性，并评估其在三个领域的转化就绪度来评估AI方法：适应太空飞行相关的成像和生理差异、受限机载硬件上的可行性，以及集成到自主临床工作流程中。我们首先回顾与眼科成像相关的卷积神经网络和多模态方法，然后将此框架应用于主要眼部创伤类别，最后审视在潜在太空飞行部署之前必须解决的数据、技术、伦理和操作障碍。
**1.2. 方法**
这是一篇叙述性综述；鉴于所综合的临床、工程和太空医学文献的异质性，未遵循正式的系统综述方案（例如PRISMA）。相关出版物通过PubMed和Google Scholar的检索确定，检索时间从2026年4月至2026年6月，使用了“spaceflight”、“astronaut”或“microgravity”与“ocular trauma”、“ocular injury”、“corneal abrasion”、“open-globe injury”、“retinal detachment”、“orbital fracture”或“barotrauma”以及“artificial intelligence”、“deep learning”、“convolutional neural network”或“multimodal model”等术语的组合。检索文章的参考文献列表经过手工检索以查找其他相关研究。我们优先考虑了报告AI模型应用于太空飞行环境中可用或可能可用的眼科成像方式（眼底摄影、OCT、超声和裂隙灯成像）的定量诊断性能（例如准确性、敏感性/特异性、AUROC）的同行评审出版物。非英文出版物被排除。
**2. 眼科成像中的人工智能应用**
AI系统可以分析大量医学数据，检测可能表明早期眼部病理的细微解剖异常，并增强退化或低分辨率图像。当任务期间仅有紧凑、低保真度的成像设备可用时，这些能力可能很有价值。在AI系统中，卷积神经网络（CNN）和多模态模型与眼科学尤其相关。CNN是通过识别视觉数据中的空间模式来分析图像的深度学习模型。通过分层滤波器，它们首先检测简单特征（如边缘和对比度），然后逐步组合这些信号以识别更复杂的结构，包括视网膜层、血管和病理病变。多模态模型通过整合多种类型的数据（包括不同的成像方式和临床变量，如视力或眼压）来扩展此方法，使模型能够学习互补数据源之间的关系，并产生更全面的疾病表征。鉴于AI方式的广度，本综述将特别关注多模态模型和CNN，因为它们是眼科学中应用最广泛且最相关的方法。
CNN已广泛应用于眼底摄影和OCT等眼科成像方式。例如，一个基于视网膜照片训练用于糖尿病视网膜病变检测的CNN模型，其受试者工作特征曲线下面积（AUROC）达到0.991。多模态深度学习系统也展示了强大的预测性能，最近一项研究报告称，一个用于青光眼检测的模型AUROC为0.94。在眼科学之外开发的一些多任务和多尺度特征融合框架，展示了可能为未来眼部创伤模型提供参考的设计策略。例如，YOLO-TCS通过使用多尺度特征融合和注意力机制来优先处理相关图像区域，解决了在视觉杂乱环境中检测小而远的交通标志的困难，提高了对这些细微目标的检测。另外，一个为刑事调查开发的“多任务”模型，使用单个热像掌纹图像同时识别个体并估计表面接触后的时间。尽管这些模型并非为眼科或太空医学应用而开发，但其设计原则，包括在一个模型中处理多个任务、整合粗细图像细节以及优先处理相关输入特征，为未来将眼部成像与其他太空飞行数据流相结合的眼部创伤模型提供了先例。它们的重要性可能在于可迁移的架构策略，而非直接适用于太空眼部护理的证据。
太空飞行相关的眼部解剖和生理变化可能改变AI模型用于区分正常与异常发现所依赖的成像特征。CNN可以识别成像数据中的结构模式，而多模态系统则整合额外的生理或环境输入，从而能够检测出与基线眼部解剖和生理的细微偏差。因此，它们的相对价值可能取决于诊断任务，因为CNN可能更适合于以可识别的结构异常为特征的损伤。另一方面，当评估需要将成像与生理、临床或环境信息相结合时，多模态模型可能提供更大的价值。
重要的是，目前尚无基于CNN或多模态AI的诊断系统在真实的太空飞行环境中被专门开发、测试或验证。本综述中讨论的每一项性能指标均来自地面研究，不应被解释为预期的飞行性能。证据成熟度也因损伤类型而异，因为一些眼部损伤得到了具有相对明确地面验证队列的模型支持，而其他损伤则没有专门的眼部AI模型。模型速度和计算占用空间（与机载部署直接相关的因素）也很少被报告。这些差异限制了研究之间的直接数值比较，但并不妨碍比较它们对特定眼部损伤的适用性。因此，以下各节根据所解决的诊断任务、支持证据的直接性和局限性，以及潜在机载使用的要求来评估每种方法。
我们评估了地面AI向太空飞行使用的转化，涉及三个领域：数据和生理域偏移适应、硬件和边缘计算可行性，以及集成到自主临床工作流程中。每个领域的相对重要性取决于应用的成熟度和预期功能。第一个领域，数据和生理域偏移适应，解决了当输入分布因退化或非标准图像采集（包括手持传感器、运动伪影和不一致的照明）而改变时，从地面图像学习到的统计模式是否仍然可靠的问题。太空飞行相关的眼部解剖和生理变化可能产生额外的域偏移来源。缩小这一差距可能需要使用太空飞行代表性数据重新训练，或者在此类数据稀缺时，在地面数据集中有意模拟预期的偏移。第二个领域，硬件和边缘计算可行性，解决了使用地面临床级计算验证的模型是否能够在航天器硬件的尺寸、重量和功率限制内运行的问题。这可能需要通过量化或剪枝进行压缩，然后在代表性机载硬件上测试以确定性能是否保持。地面诊断性能和操作可行性是转化的两个独立要求。第三个领域，自主工作流程，解决了当解读模型输出的人不是专家且实时眼科咨询可能不可用时，模型输出如何成为可操作的临床决策的问题。这可能需要分级输出、不确定性识别，以及与观察、治疗或升级/紧急方案相关的决策阈值。临床实用性最终不仅取决于识别异常，还取决于提供能够安全支持机组人员随后所需决策的信息。这些领域提供了以下框架，用于区分已证实的地面能力与潜在的太空飞行应用，并确定剩余的转化要求。
**3. 眼部创伤**
**3.1. 月球尘埃与角膜擦伤**
解决月球尘埃暴露问题尤为重要，因为太空中最常见的眼损伤原因是继发于异物的角膜擦伤。宇航员可以通过舱外活动（EVA），包括太空行走和航天器维修，接触月球尘埃。在EVA期间，航天服的退化可能使太空碎片滞留在航天服内，而附着在航天服和靴子上的月球尘埃可能被带入航天器。在微重力下，这些颗粒悬浮并随舱内气流自由循环，增加了眼部暴露和损伤的可能性。微重力也可能改变角膜上正常的泪膜分布，促进干燥并增加擦伤的易感性。尽管月球尘埃的短期研究未显示明显的眼部刺激，但其长期影响以及其他天体颗粒物的影响仍未知，应进一步分析。
小的角膜擦伤或结膜/角膜异物通常通过裂隙灯生物显微镜结合荧光素染色来诊断。在ISS上，目前没有裂隙灯显微镜，角膜擦伤通过检眼镜、荧光素条、蓝光滤光片和前段光学相干断层扫描（AS-OCT）进行诊断。角膜荧光素染色和前段成像自动分析的进展可能简化太空飞行环境中的这一诊断过程。CNN在检测荧光素增强裂隙灯图像中的上皮缺损方面表现出优于初级临床医生的性能，准确量化了角膜损伤的面积和严重程度，准确率为91.2%。类似的分割算法可以适应太空飞行，以自主识别可用诊断工具中角膜擦伤特征性的上皮破坏。CNN图像诊断模型，如CorneAI，也显著提高了临床医生对前段疾病的整体诊断准确性，提高了9.6%，即使是在解读智能手机拍摄的较低质量图像时。尽管该模型尚未专门针对角膜擦伤检测进行验证，但其适应性表明其具有太空飞行应用的潜力。转化还需要将模型与飞行兼容的成像平台相匹配。基于荧光素的CNN是使用裂隙灯图像开发的，而CorneAI则展示了使用更便携的智能手机平台获取图像的分析能力。太空飞行系统需要在使用机载成像设备时保持擦伤检测性能，并证明模型可以在其计算限制内本地执行。这两个模型解决了诊断问题的互补方面：基于荧光素的CNN为检测和表征上皮缺损提供了更直接的证据，而CorneAI提供的损伤特异性证据较少，但证明了使用较低质量便携成像的可行性。两者均未将擦伤特异性检测与代表太空飞行使用的成像平台相结合。此外，凭借现代传感器的能力，大规模数据如轨道碎片趋势和紫外线辐射数据可用于训练CNN，以预测EVA的安全窗口并最小化眼部危害暴露。这种预防性应用比基于图像的擦伤检测更具概念性，需要验证将环境输入与临床意义的眼部风险联系起来。
对于基于图像的擦伤检测，域偏移是一个更直接的转化障碍。上述智能手机图像模型仅使用清晰、照明良好的照片进行了评估。尚未在角膜上附着灰尘或照明不均匀的图像上进行测试，这两者都可能被模型误认为是真正的角膜混浊或异物。一种合理的方法是故意修改现有的训练图像再进行重新训练，包括叠加模拟的灰尘颗粒、再现舱内照明，以及添加小型飞行合格相机可能产生的颗粒感。然后，模型将使用这些修改后的图像重新训练，并将其准确性与原始清晰图像上的性能进行比较。由于灰尘暴露特别发生在太空行走前后，模型还可以纳入近期活动（例如自EVA返回以来的时间），以便根据灰尘暴露的可能性不同地加权角膜发现。在模拟条件下使用飞行兼容成像测试擦伤特异性模型，将比仅从地面准确性外推更直接地评估转化就绪度。
在操作上，这些算法可以直接嵌入未来航天器携带的手持式前段成像系统中。宇航员无需将每张图像传输到地球，而是可以立即获得损伤严重程度的估计值，以及管理建议和关于重复成像、观察或升级护理的指导。一旦识别出异物，机组人员应使用太空洗眼液冲洗眼睛以去除异物。对于更持久和更大的异物，应在使用局部麻醉剂（盐酸丙美卡因0.5%或盐酸丁卡因0.5%）后用棉签轻轻扫除。异物去除后应使用局部抗生素，如红霉素0.5%；隐形眼镜使用者应使用莫西沙星0.5%滴眼液提供抗假单胞菌覆盖。环戊通1%、局部非甾体抗炎药和短效局部睫状肌麻痹剂可用于控制眼部疼痛和不适。在此工作流程中，AI可以通过帮助表征损伤严重程度并确定何时启动或升级既定管理方案来弥合诊断和分诊缺口。
**3.2. 眼球穿通**
虽然浅表角膜损伤预计是太空飞行中最常见的眼部创伤，但更深的穿通性损伤可能带来更大的诊断和管理挑战。开放性眼球损伤是由创伤引起的眼球全层破坏，包括钝力和锐力造成的损伤，包括穿通性和贯通性损伤，以及眼内异物（IOFB）的进入。尽管迄今为止太空飞行文献中尚未报道开放性眼球损伤的病例，但存在几种合理的情况，宇航员可能遭受严重的眼部创伤。例如，操作期间从货物上脱落的高速颗粒或较大碎片可能穿通眼球或造成显著的眼部损伤。太空任务期间报告的70起眼内异物事件强化了这一担忧，强调了此类损伤在太空环境中的现实风险。
在航天器上诊断和管理开放性眼球损伤将面临巨大挑战。虽然机组人员可能能够进行基本的笔灯检查以收集眼部损伤线索，并使用超声检测IOFB，但这些方法有重要局限性。超声仅在约52%的病例中识别出IOFB，并且如果施加过大压力，有挤出眼内容物的风险。较小的伤口可能需要使用荧光素染色的裂隙灯检查来确认全层角膜裂伤或检测前房异物；而前者在太空飞行中不可用。修复延迟会恶化视觉结果，最终视力随每次24小时延迟而下降，这突显了在机组人员面临的资源有限环境中准确识别这些眼部损伤的关键需求。因此，开放性眼球损伤与角膜擦伤不同，因为可用的机载检查可能不足以排除细微但威胁视力的损伤，而假阴性评估的后果要大得多。
多模态AI系统为这些局限性提供了潜在的解决方案。诸如EE-Explorer之类的工具可以将智能手机捕获的眼表图像与临床数据相结合，以接近专家的性能（AUROC为0.982）检测这些威胁视力的损伤，为即使在偏远环境中促进诊断铺平了道路。其便携式眼部成像和临床数据的组合在概念上与机载工作流程兼容，尽管自主使用还需要在飞行兼容硬件上本地处理这些输入，而不依赖连续的地面计算。除了检测之外，整合眼部成像与结构化临床变量的多模态AI模型已证明能够预测未来的视觉结果。或许，结合IOFB存在、伤口位置、视网膜脱离和就诊视力等特征，可以为多模态模型提供自动化眼外伤风险分层和分诊的手段。AI还可以解决假阴性评估的风险，当细微或不完整的临床体征（如保留的眼球轮廓、最小的外部伤口或相对维持的视力）误导非专业检查者时，可能会发生这种情况。通过分析多个不一致信号的模式，包括不对称的前房深度和不成比例的视觉功能变化，可以构建CNN模型来标记可能的眼球穿通，即使没有明显的指标。这得到了地面创伤成像中类似模式识别方法的支持，这些方法有助于减少漏诊。与纯粹基于图像的CNN相比，多模态方法可能特别适用于疑似眼球穿通，因为没有单一的机载发现能可靠地排除损伤，评估依赖于结合成像、检查发现、视觉功能和损伤特征。然而，现有证据在陆地检测和结果预测方面最强，而自主识别细微或非典型的太空飞行相关穿通性损伤仍未得到验证。
域偏移是一个重要的考虑因素，考虑到潜在太空飞行损伤的机制和外观。EE-Explorer和类似模型是在急诊室患者上训练的，这些损伤通常由袭击、车祸或家庭事故引起，可能产生与太空颗粒或机载物体造成的伤口不同的伤口。一个实用的测试是使用与典型急诊眼科创伤病例不相似的图像，并比较该亚组与整体性能的表现。由于错误的临床代价不对称，验证也应强调敏感性和假阴性率，而不是仅关注整体准确性。分级风险输出可以更容易地标记边缘病例，即使以额外的假阳性评估为代价。对于延迟修复会恶化视觉结果的损伤，接受更多误报可能比错误地安抚机组人员没有眼球穿通更可取。这使得自主工作流程和不确定性处理对于此应用至少与诊断鉴别能力同等重要。
在未来的月球和火星任务中，通信延迟可能超过单程二十分钟，这些系统可以充当自主分诊工具，优先处理需要立即稳定与持续观察到地球咨询可用的损伤。它们的最大价值可能在于促进独立的医疗决策，而不仅仅是提高诊断准确性。疑似眼球穿通后，不应操作肇事物体。应使用眼垫覆盖双眼以最小化眼球运动并降低眼内容物进一步挤出的风险。受伤的机组人员应由其他机组人员协助，并立即联系任务控制中心以协调进一步管理和潜在的后送。初始管理包括抗菌预防、睫状肌麻痹剂、镇痛和润滑，绷带式隐形眼镜或胶原蛋白角膜保护罩可为上皮愈合和药物输送提供额外支持。对于小于3毫米的小角膜穿孔，氰基丙烯酸酯胶可提供临时眼球稳定，直到可以进行确定性手术干预。在此路径中，AI将主要支持识别和风险分层，然后再进行确定性治疗，帮助区分可以观察的损伤与需要立即保护措施和升级的损伤。
**3.3. 化学损伤**
除了机械性创伤外，宇航员还必须应对航天器环境中化学介导的眼部损伤。自人类太空探索开始以来，毒素暴露一直是一个关注点。宇航员可能暴露于能够诱导眼表损伤的腐蚀性和刺激性化合物，包括来自电池的氢氧化钾、来自尿液预处理溶液的三氧化铬和硫酸、来自二氧化碳洗涤器的氢氧化锂粉尘，以及通过材料释气释放的甲醛。氢氧化钾和氢氧化锂都是碱，可深入渗透眼组织并皂化细胞膜脂质，引发液化性坏死并释放蛋白水解酶，进一步促进组织破坏。因此，这导致角膜上皮丧失、基质混浊，并可能永久性视力丧失。相比之下，酸主要通过凝固性坏死引起眼部损伤，凝固的蛋白质限制深部眼渗透。然而，酸暴露可能和碱一样严重。环境因素也可能导致眼部不适。在太空飞行期间没有对流的情况下，二氧化碳在面部附近积聚，引起短暂的角膜和结膜刺激。虽然不威胁视力，但这种不适可能损害关键操作期间的注意力和视觉性能。总之，这些暴露强调了在长期任务期间识别和减轻化学性眼部损伤的重要性。
虽然固体和液体化学危害通常可以通过视觉检测，但气态化合物提出了独特的挑战，因为许多是无色无味的，没有专用传感器很难检测到。然而，它们可以在舱内大气中积聚，对机组人员构成显著风险。航天器日益复杂和机载实验的广泛性使控制舱内空气污染成为一项重大的操作和生物医学挑战。以前，太空飞行系统主要限于O
2、CO
2和流量传感，因此无法量化挥发性有机化合物（VOC）或其他传达生理或病理信息的生物标志物。空气质量监测系统——环境空气分析干涉仪2，于2021年发射，代表了向前迈出的一大步；它可以在ISS上识别和量化超过40种气态化合物，并为与自动呼吸分析和可穿戴化学传感系统集成奠定基础。对于化学性眼部损伤，这创造了一个与基于图像的损伤根本不同的AI问题，因为环境传感可能在眼部损伤临床显现之前识别危险暴露，而眼部成像将在暴露后表征损伤。
诸如呼出气冷凝液和VOC采样器之类的技术捕获反映血液传播化合物在较低浓度下的气溶胶和气体，实现非侵入性生理监测。在地面研究中，这些呼吸分析系统已检测到糖尿病等疾病并区分疾病状态，包括将哮喘患者与健康对照区分开来，并根据呼吸或皮肤散发VOC的特征性化学特征识别COVID-19感染。这些非侵入性方法可以为长期宇航员健康监测提供基础，通过在整个任务期间连续收集生理和环境数据。温度、氧合、辐射暴露、空气质量指标和视觉或成像发现等变量可以整合到多模态AI模型中，以识别先于医学并发症的模式。重复观察还可以允许回顾性识别与不良效应相关的环境或操作因素，并完善后续任务的预测算法。随着时间的推移，此类模型可以提供实时风险评估和个性化建议，包括机组人员应何时限制活动、脱离危险环境或修改任务以减少损伤或疾病的可能性。这可以增强即时的机组人员安全性，并为指导未来长期航行的更安全探索生成不断发展的证据基础。最终，未来的航天器可能包含持续学习的环境监测系统，将舱内化学、可穿戴生理传感器和眼部成像整合到一个统一的AI平台中，能够在临床显著的眼部损伤发展之前识别危险暴露。这一提议的进展比上述基于图像的应用更具概念性。当前地面证据表明，基于VOC的系统可以区分某些全身性疾病状态，但并未确定化学性眼部损伤是否产生可检测的呼吸特征，或这些输入是否可以预测眼部毒性。因此，在开发这种集成预测系统之前，必须建立这种生物学联系。
一个更基本的局限是，地面研究尚未确定化学性眼部损伤是否产生可检测的呼吸特征。在开发预测模型之前，必须首先确定眼部暴露于碱、酸或其他相关化合物是否会产生可检测到的、可由现有传感器检测到的可重复信号。一种方法是研究具有类似职业化学暴露的人群，并将他们的呼吸组成与未暴露的对照组进行比较。如果识别出可重复的特征，后续研究可以确定其幅度或时间演变是否与暴露严重程度或眼部发现相关，然后再将这些数据纳入多模态预测模型。在此类信号建立之前，这主要是一个数据生成问题，而不是模型适应问题或硬件部署问题。硬件优化是下游考虑因素。当前要求是建立相关的环境或生理信号可靠地预测眼部暴露或损伤，然后再确定如何实施此类模型。
化学损伤的管理涉及大量冲洗以将眼表pH值标准化至约7.0。在ISS上，尿液化学试纸可用于pH监测。轻度损伤随后类似于角膜擦伤进行管理，使用短期局部麻醉剂、局部抗生素、润滑滴剂和睫状肌麻痹剂。局部妥布霉素0.3%联合地塞米松0.1%可谨慎使用并逐渐减量以控制炎症。辅助口服维生素C和多西环素也被推荐以促进胶原合成并降低角膜溃疡和融解的风险。鉴于化学暴露后冲洗的紧迫性，AI更合理的作用是在治疗上游：整合环境和生理数据以识别危险暴露并支持早期识别，而既定方案继续在怀疑损伤后指导管理。
**3.4. 晶状体脱位**
虽然化学损伤主要影响眼表，但钝性机械创伤可能破坏更深的眼内结构，包括晶状体。晶状体半脱位定义为由于悬韧带纤维不完全断裂导致晶状体从其正常位置部分移位，使晶状体偏心但仍部分支撑并保留在瞳孔区域内。相比之下，晶状体脱位是指晶状体完全脱离其正常位置，完全丧失悬韧带支撑，因此晶状体完全移位到前房或玻璃体腔中。在穿通性和贯通性眼损伤中，悬韧带纤维可通过直接或间接机制断裂，而在钝性创伤中，悬韧带纤维因眼球前后压缩继发的赤道部扩张而拉伸或断裂。如果没有及时干预，可能发生严重并发症，包括进行性近视、闭角型青光眼、视网膜撕裂和视力丧失。
尽管尚未报道与太空飞行相关的晶状体脱位病例，但由于密闭环境和漂浮物体，航天器上可能发生钝性创伤。机组人员可能与设备或不固定的物体（包括松散的电缆、电线和手持工具）碰撞并遭受冲击损伤。在足够的质量和速度下，这些冲击造成的损伤可能导致晶状体半脱位或移位。除了机械原因外，太空飞行相关的眼部结构变化也可能影响晶状体稳定性。特别是，几项研究报告了长期任务后前房深度和眼轴长度的减少。这些发现与晶状体的轻微前移或增厚一致。眼轴长度减少缩短了焦距，使屈光向远视方向移动，并可能改变稳定晶状体的悬韧带的后部张力。这些生理变化在诊断上也很重要，因为在地球上用于识别异常晶状体位置的解剖结构本身可能在太空飞行期间发生变化。
晶状体半脱位或移位通常通过瞳孔完全散大后的裂隙灯检查或眼部超声来诊断。尽管航天器上可用超声成像，但缺乏训练有素的眼科专家限制了准确解读。人工智能的最新进展为这一局限性提供了引人注目的解决方案。Cheng等人开发了一种基于超声生物显微镜图像的深度学习模型，可靠地区分了伴有和不伴有晶状体半脱位的急性闭角型青光眼，其诊断性能与眼科医生相当。CNN模型表现出强大的整体性能，AUROC高达0.9046，图像处理时间最快，突显了其适用于太空飞行等时间敏感、资源有限的环境。这提供了相对直接的证据，表明CNN可以识别与晶状体半脱位相关的成像特征，尽管该模型是在患有急性闭角型青光眼的地面患者中开发的，而非创伤性晶状体移位。其快速处理与潜在的机载使用相关，但仅处理速度并不能确定硬件可行性，因为计算占用空间、功率要求以及在飞行兼容硬件上的性能均未评估。
基于AI的分析也可能在检测继发性并发症（如闭角型青光眼）方面有价值，其中早期变化可能是细微且演变的。Yang等人开发了一种AI模型，能够从OCT图像自动量化关键前房角参数，包括角度开放距离和小梁-虹膜空间面积。这些参数的减少与进行性房角狭窄以及眼压升高和闭角型青光眼风险增加相关。该模型与专家评分者表现出高度一致性，支持其在临床评估中的可靠性。这两个模型解决了互补的诊断任务，因为基于超声的CNN分析为识别晶状体半脱位提供了直接证据，而自动OCT可能更适用于监测继发性房角狭窄。两个模型都需要在太空飞行期间针对这些目的进行前瞻性验证。
生理域偏移是翻译晶状体半脱位模型到太空飞行的关键限制。Cheng等人的模型从地面患者学习了正常晶状体位置的外观，而太空飞行本身与眼前房深度和眼轴长度减少相关。如果未经调整应用，该模型可能将太空飞行相关的解剖变化错误分类为晶状体半脱位，或在改变的参考背景下错过真正的移位。一种方法是为每位宇航员建立个性化的飞行前超声生物显微镜基线，并相对于该基线评估后续成像，类似于使用飞行前后OCT测量其他眼部变化。这将把诊断任务从确定眼睛是否与地面人群不同转变为检测相对于个人飞行前解剖结构的有意义变化。仍需表征预期的飞行内变化幅度，以便将生理适应与创伤性移位区分开来。
如果晶状体移位最小且视力基本不受影响，管理可能包括观察。在相关并发症如眼压升高的情况下，药物治疗可能包括降低眼压的药物，如β受体阻滞剂、碳酸酐酶抑制剂、α受体激动剂和前列腺素类似物，尽管其在太空飞行环境中的有效性数据仍然有限。AI可能在此工作流程中发挥两个不同功能：识别创伤后疑似晶状体移位的结构变化，以及监测可能值得治疗或升级的继发性变化，如进行性房角狭窄。
**3.5. 视网膜撕裂与脱离**
足以使晶状体不稳定的创伤可能同时将力传递到后段，使视网膜面临威胁视力的损伤风险。视网膜撕裂是神经感觉视网膜的全层断裂，促进液体从玻璃体腔通过视网膜裂孔流入视网膜下间隙，最终将视网膜与视网膜色素上皮分离（视网膜脱离）。虽然视网膜撕裂最常见的原因是后玻璃体脱离（PVD），这本身与年龄相关，并且在近视或白内障手术后的患者中发生得更早，但其他因素，包括眼内炎症和创伤，也已知易导致视网膜撕裂。新发的飞蚊症、闪光感以及周边或中央视力丧失等症状通常与PVD相关，可能提示存在视网膜撕裂。
在地球上，创伤性视网膜脱离的来源众多，可能包括职业损伤、机动车事故、运动相关损伤、爆炸相关损伤、头部创伤、跌倒和袭击。虽然太空中的创伤来源可能不同，但宇航员也不能免除这些类型的损伤。由于独特的环境危害和操作因素，他们也面临眼部创伤的风险。这些包括意外接触设备、漂浮碎片以及微重力下的无意撞击，其中物体不可预测地移动，即使是轻微碰撞也可能将力传递到眼睛。总之，这些危害可能导致闭合性或开放性眼球损伤，每一种都以各自不同的方式导致视网膜脱离。
间接检眼镜仍然是检测和诊断视网膜撕裂和脱离的金标准，尽管超广角（UWF）成像可以发展为便携式设备，作为诊断性视网膜成像的有用辅助手段。然而，由于机组人员图像解读的局限性，仍然存在显著的诊断缺口。基于CNN的UWF眼底成像分析可以通过检测易导致视网膜撕裂的结构异常（包括玻璃体视网膜牵引、视网膜变薄和小视网膜裂孔）来解决这一缺口。更具体地说，它们可以开发用于检测视网膜脱离严重程度，按0到5的分级量表，范围从无脱离（0）、小的局部周边脱离（1）、较大的周边脱离（2）、广泛的黄斑-on脱离（3）、黄斑-off脱离（4）到伴有增殖性玻璃体视网膜病变或其他复杂特征的全脱离（5）。与上述几种应用不同，视网膜撕裂和脱离主要是一个基于图像的诊断任务，CNN与可用的地面证据非常匹配。临床有用的输出不仅仅包括识别异常，还包括确定视网膜裂孔是否与脱离相关以及黄斑是否受累，这两者都影响紧急程度和预后。
研究已经表明，用于在UWF成像上检测和分类视网膜裂孔和脱离的CNN具有高准确性，其AUROC分别为0.913（检测和分类视网膜裂孔）和0.972（检测和分类视网膜脱离）。区分无脱离的裂孔、伴有脱离的裂孔和无裂孔的脱离也是可能的。区分黄斑-on和黄斑-off脱离的单独模型也已开发，AUC高达0.975，敏感性为93.8%，特异性为90.9%。在所综述的眼部损伤中，这代表了相对直接的证据，因为模型评估的视网膜病理与太空飞行中需要识别的相同。然而，这些性能估计是使用地面UWF成像获得的，并未确定等效性能在便携式飞行兼容系统或太空飞行采集条件下也能实现。现有证据比多模态方法更直接地支持基于CNN的图像分类，尽管额外的临床输入可能有助于分诊。
硬件可行性为此应用提出了更直接的转化障碍，因为图像采集和本地推理都必须适应机载使用。地面UWF相机和用于运行这些模型的计算机体积庞大，而太空飞行系统需要小得多，并且在更有限的机载计算资源下运行。模型量化或剪枝可以减少计算需求，然后进行测试以确定压缩后损失多少诊断性能。由于视网膜脱离的检测可能触发紧急后送，压缩模型的评估应强调是否保留了临床后果性发现的敏感性，特别是黄斑-on脱离，其中延迟识别可能允许进展，而不是仅依赖整体准确性。图像采集是域偏移的另一个来源。没有地面诊所中使用的下巴托和头部稳定系统，运动伪影可能以原始模型未训练解释的方式降低UWF图像。在有意运动退化的图像上重新训练或测试可以帮助确定在更具代表性的采集条件下性能是否保持。飞行就绪系统需要使用便携设备获取足够质量的视网膜图像，同时执行本地CNN推理，而不会在临床上显著损失敏感性。
需要及时干预，如激光光凝、气动视网膜固定术、巩膜扣带术或玻璃体切除术，以保留视力。鉴于ISS上缺乏设备和眼科培训，这种眼部急症应触发紧急后送回地球。在这种情况下，AI的主要作用是自主检测和分诊，而不是确定性管理，帮助区分需要观察或重复成像的发现与需要紧急地面咨询以及在指示时后送的视网膜撕裂或脱离。鉴于漏诊脱离的后果，此用途的验证应特别强调最小化威胁视力疾病的假阴性评估。
**3.6. 眼眶骨折**
并非所有威胁视力的损伤都发生在眼球内部，因为涉及眼眶骨骼的创伤在资源有限的环境中提出了额外的诊断挑战。微重力通过加速破骨细胞介导的骨吸收和抑制成骨细胞功能来破坏骨骼稳态。参与破骨细胞成熟和活化的基因表达增加，以及胶原降解产物水平升高，反映了骨破坏增强，而受损的成骨细胞细胞骨架完整性进一步抑制新骨形成。这种失衡导致宇航员骨折风险增加，包括眼眶骨折。虽然罕见，但这种形式的眼部损伤可能在钝性撞击后发生。值得注意的是，有一例报道的案例，一名宇航员在航天器上撞击厨房烤箱门后左眶下挫伤。
在地球上，面部和眼眶的非对比CT是检测眼眶骨折的金标准。然而，CT涉及电离辐射，这对于晶状体等放射敏感结构尤其令人担忧，并增加辐射诱导白内障形成的风险。超声检查提供了一种无辐射的替代方法，并已显示出有前景的诊断性能。在一项研究中，超声检测到39例眼眶骨折中的34例，并正确识别了所有81个完整的眼眶，而另一项研究报告了眶底骨折的86%准确率和85%敏感性。非眼部骨骼创伤的证据进一步支持了基于超声的骨折检测。儿童前臂骨折的研究表明，超声与X线表现相当，同时在速度、舒适度和成本方面具有优势。一项关于桡骨远端骨折的荟萃分析报告汇总敏感性和特异性分别为97%和95%，并指出超声检测到但X线遗漏的骨折通常被错误分类为假阳性，这表明超声准确性可能在不同骨折类型中被低估。尽管对于眼眶创伤，超声的敏感性仍低于CT，但这些发现支持其在无法进行确定性成像时的潜力，并为研究自动化解读是否能在太空飞行期间提高其实用性提供了基础。
基于这些进展，AI增强型超声系统有望在太空飞行等资源有限或成像受限的环境中促进骨折检测，在这些环境中操作员经验和图像质量可能差异很大。虽然当前系统尚未直接应用于眼眶骨折，但其基础技术解决了超声解读的核心局限性，包括伪影抑制、操作员依赖性和难以识别细微的皮质不连续性。Tripathi等人开发了一种无监督深度学习框架，应用自适应时间增益衰减来抑制表面亮度伪影并增强更深部骨界面的可视化，然后生成骨概率图以突出结构不连续区域。该模型进一步识别关键点，即对应于骨形态突然变化的标志，使得无需依赖预定义的骨折标签即可自动定位疑似骨折部位。与此同时，在大型超声数据集上训练的CNN模型已证明能够可靠检测腕部和肘部骨折，准确率分别为0.889和0.750，支持跨骨骼区域学习骨折相关回声模式的可行性。现有的超声骨折检测AI模型被训练来识别骨损伤的基本体征，包括破坏的皮质轮廓和改变的骨-软组织声学界面。由于这些标志出现在不同的骨骼上，类似的模型可能通过适当的训练数据适用于眼眶应用。现有模型也解决了诊断任务的不同方面。Tripathi等人开发的框架专注于图像增强和结构不连续性的定位，而骨折分类CNN则识别与骨损伤相关的模式。这些功能可能互补，但两者均未证明能可靠检测眼眶骨折。由于CT成像不太可能在未来的探索级航天器上常规可用，AI增强型超声可能为长期任务期间评估眼眶创伤提供一种潜在方法。
当前的问题是这些方法是否从肢体骨折转移到眼眶的截然不同的解剖结构。一种方法是使用来自急诊科或面部创伤诊所的眼眶骨折超声图像重新训练或微调现有模型，并在独立的眼眶创伤队列中验证。性能评估不仅应针对整体骨折检测，还应针对临床重要发现，如骨折位置和与眼外肌嵌顿相关的特征。如果证明了足够的眼眶性能，后续测试可以确定在模型压缩用于机载计算以及图像在不太受控条件下获取（包括可变的探头定位和操作员经验）时准确性是否保持。此顺序将在引入额外的计算和图像采集限制之前确定眼眶有效性。
眼眶肿胀可使用NSAIDs和对乙酰氨基酚进行管理。皮质类固醇可用于额外的炎症控制。尽管并非所有眼眶骨折都需要手术干预，但在适应症时，手术修复理想情况下应在两周内进行。对于眼球内陷、持续性复视、眼球运动受限或疑似眼外肌嵌顿，应考虑紧急后送，这也可能触发眼心反射。AI辅助超声可以通过帮助识别疑似眼眶损伤和需要紧急后送的发现来支持这些决策，当CT和专家解读不可用时。
**3.7. 气压伤**
除了直接钝性创伤外，环境压力的变化是太空飞行期间可能产生眼眶和视神经损伤的另一种机制。气压伤是指当身体移动至或来自较高压力时，内部空气腔（如鼻窦腔、耳朵、肺和消化道）与周围环境之间的压力差导致的身体组织损伤。在太空中，这些事件可能由爆炸、环境控制系统故障、舱体破裂、泄漏或机组人员从加压环境的快速弹出引起。当环境压力突然下降或上升时，它会导致体内充满气体的空间膨胀和压缩，通过剪切应力或拉伸造成损伤。虽然全身性损伤（肺、听觉或神经）
