《Ophthalmology Science》：Predicting future visual field status from baseline optical coherence tomography scan in early to moderate glaucoma using deep learning
编辑推荐：
目的：许多青光眼患者的视野（VF）检查结果尽管接受治疗仍出现进展。这表明部分患者未得到充分治疗，或眼压（IOP）管理并未影响疾病结局。本研究探讨能否利用深度学习模型，从基线光学相干断层扫描-视网膜神经纤维层（OCT-RNFL）扫描预测未来的VF参数。设计：回顾
目的：许多青光眼患者的视野（VF）检查结果尽管接受治疗仍出现进展。这表明部分患者未得到充分治疗，或眼压（IOP）管理并未影响疾病结局。本研究探讨能否利用深度学习模型，从基线光学相干断层扫描-视网膜神经纤维层（OCT-RNFL）扫描预测未来的VF参数。设计：回顾性多中心队列研究，并进行了外部验证。参与者：共纳入1610例患者的1792只眼用于模型开发。外部验证使用来自第二个医疗中心的150只眼（Zeiss Cirrus OCT）和第三个医疗中心的280只眼（Heidelberg Spectralis OCT）。方法：研究人员训练了一种基于Vision Transformers（ViT）的回归模型，输入基线OCT-RNFL扫描，以预测三项关键VF指数（随访间隔：4.74±2.59年）。采用带95%置信区间（CI）的回归指标评估模型性能。生成显著性图以识别在预测功能性视觉状态中起决策作用的OCT-RNFL区域。主要结局指标：预测未来的VF指数，包括平均偏差（MD）、模式标准差（PSD）和视野指数（VFI），并使用平均绝对误差（MAE）和均方根误差（RMSE）进行评估。结果：在内部验证中，模型对未来VFI、MD和PSD的MAE分别为3.23（2.91-3.56）、1.76（1.61-1.93）和1.14（1.03-1.27）；外部数据集表现相当（Zeiss OCT：3.19（2.73-3.66）、1.92（1.69-2.16）、1.11（0.95-1.29）；Heidelberg OCT：4.14（3.82-4.46）、2.71（2.51-2.91）、1.37（1.21-1.55））。相应的RMSE值在内部和外部数据集上呈现相似趋势。显著性图显示，内层和外层RNFL是驱动模型预测的关键结构。结论：研究人员的ViT回归模型能够仅凭单次OCT-RNFL扫描客观有效地预测关键未来VF指数，且在两种OCT设备上均表现优异，为预测功能性视觉状态提供了一种新颖工具。
**论文解读：基于Vision Transformer的OCT-RNFL扫描预测青光眼未来视野功能**
**一、研究背景与问题提出**
青光眼是一种复杂的慢性视神经病变，以视网膜神经节细胞及其轴突的退行性改变为特征，若未及时治疗可导致不可逆的视野（VF）丧失和长期功能性残疾。尽管降低眼压（IOP）仍是唯一确立的可调节风险因素，但相当数量的患眼在接受了看似恰当的临床治疗后仍出现VF进展，提示单纯依赖IOP管理可能不足以完全遏制疾病发展。结构性影像检查，特别是利用光学相干断层扫描（OCT）评估视网膜神经纤维层（RNFL），在青光眼损伤评估中具有重要的客观价值。OCT衍生的测量指标（如视盘周围RNFL厚度）能够捕获青光眼性神经视网膜改变，并在临床中常规获取。然而，如何将基线的结构性信息转化为对个体患者未来功能性视觉轨迹的预测，仍面临挑战。已有的机器学习和深度学习方法主要聚焦于横断面结构-功能映射，例如利用OCT重建VF模式或估算总体VF指数（平均偏差（MD）、模式标准差（PSD）、视野指数（VFI）），但直接从单一基线OCT扫描前瞻性地预测未来MD、PSD和VFI的研究尚属空白。此外，尽管卷积神经网络（CNN）在青光眼影像诊断中长期占据主导地位，但近期研究表明基于Transformer的模型能够达到甚至超越传统CNN的性能，特别是在建模图像全局空间关系方面具有独特优势。因此，本研究旨在开发并验证一种基于Vision Transformer（ViT）的回归模型，仅利用基线OCT-RNFL环形B扫描，实现对未来关键VF指数的客观预测。
**二、研究核心内容与结论**
研究人员开展了一项回顾性多中心队列研究，利用来自澳大利亚三个眼科诊所的数据进行模型开发和外部验证。模型开发队列来源于Hobart Eye Surgeons（Carl Zeiss OCT设备），共纳入1610例患者的1792只眼；外部验证队列分别来自Essendon Eye Clinic（Zeiss OCT设备，92例患者的150只眼）和Gladstone Park Eye Clinic（Heidelberg Spectralis OCT设备，166例患者的280只眼）。研究通过严格的纳入和排除标准，聚焦于早期至中度青光眼患者，排除了VF检查不可靠、图像质量差、存在OCT扫描伪影以及随访间隔超出2.15-7.33年范围的病例，同时排除了晚期青光眼（VFI<79%、MD<-12 dB、PSD>8 dB）以规避RNFL测量的“地板效应”。在模型构建方面，研究人员使用fastai框架筛选了135种深度学习架构组合，最终确定以DINOv2自监督预训练的ViT Small Patch14模型为最优架构，结合MSELossFlat损失函数和Ranger优化器进行训练。模型输入为统一尺寸（518×518像素）的OCT-RNFL B扫描图像，输出为未来VFI、MD和PSD三个回归目标。研究者还开发了基于手工特征的传统机器学习基线模型（均值参考模型、岭回归、随机森林）用于性能比较。同时，通过显著性图技术对模型决策区域进行可视化解释。
研究结果显示，该ViT回归模型在内部验证中预测未来VFI、MD、PSD的MAE分别为3.23%、1.76 dB和1.14 dB；在Zeiss OCT外部验证数据集中，对应MAE为3.19%、1.92 dB和1.11 dB；在Heidelberg OCT外部验证数据集中为4.14%、2.71 dB和1.37 dB。RMSE指标呈现相似趋势。显著性图分析表明，模型决策主要依赖于RNFL内层和外层结构，这与青光眼病理生理机制吻合。该研究的重要意义在于：这是首次报道使用ViT回归模型从单次基线OCT-RNFL扫描预测未来功能性视觉状态的研究，预测时间跨度最长达7年，且模型在不同OCT设备间表现出良好的泛化能力，为青光眼患者的风险分层和个性化管理提供了新颖的客观工具。该模型预测误差处于标准自动视野计固有的测量变异性范围内，提示其预测具有临床可接受的稳健性和实用性。
**三、主要关键技术方法**
本研究采用了以下核心技术方法：1）多中心回顾性队列设计，数据源自澳大利亚三个眼科诊所的OCT和VF检查记录；2）基于ViT的深度学习回归模型，使用DINOv2自监督预训练权重，以OCT-RNFL环形B扫描为输入预测VF指数；3）系统性的架构筛选流程，通过fastai框架对135种模型配置进行对比优化；4）显著性图（saliency map）可解释性分析，可视化模型决策所依赖的OCT图像解剖区域；5）严格的统计学评估框架，采用MAE、RMSE及95%置信区间（Bootstrap重采样）评估模型性能，并使用Bland-Altman图评估预测一致性，通过Kruskal-Wallis检验和Spearman相关分析开展敏感性分析。
**四、研究结果**
**数据集特征分析与统计分析**
通过对训练数据集的统计描述，研究者发现三个临床数据集在基线和随访VF指数上存在显著差异（Wilcoxon符号秩检验，p<0.001）。其中模型开发队列基线VFI为91.99±15.06%，随访降至88.14±19.67%；MD从-3.02±5.20 dB降至-4.39±6.43 dB；PSD从3.23±2.93 dB增至3.81±3.26 dB，表明在随访期间青光眼整体出现进展，为模型预测提供了有效的真实标签基础。
**模型配置优化结果**
研究人员通过大规模架构筛选发现，基于DINOv2自监督ViT模型表现最优，MAE范围在5.4至7.6之间；相比之下，DenseNet等CNN架构的MAE范围为9.0至9.6，ResNet和VGG基线的MAE在9.8至10.3之间。最优配置（ViT Small Patch14，DINOv2预训练，batch size=16）相比排名前十模型中效果最差的配置，误差降低约47%，表明ViT架构在从OCT-RNFL扫描预测未来视觉功能方面具有显著优越性。
**预测模型性能评估**
ViT回归模型在内部验证中展现出低预测误差，预测VFI的MAE为3.23%，MD的MAE为1.76 dB，PSD的MAE为1.14 dB。外部验证结果与内部表现高度一致：Zeiss OCT数据集上VFI、MD、PSD的MAE分别为3.19、1.92和1.11；Heidelberg OCT数据集则分别为4.14、2.71和1.37。RMSE值在各数据集间同样呈现稳定趋势。Bland-Altman图显示，Zeiss OCT数据集的平均偏倚接近零（VFI为0.05，MD为0.17 dB，PSD为0.08 dB）；而Heidelberg OCT数据集存在正向偏倚（VFI为1.05个百分点，MD为1.83 dB，PSD为1.13 dB），且两种设备上的一致性界限均较宽，提示个体水平上仍存在具有临床意义的变异。
**基于显著性的可解释性分析**
显著性图可视化揭示，模型预测VF指数时主要关注OCT-RNFL扫描中的RNFL和视网膜内层区域，红色/黄色高亮区域（最高注意力权重）与青光眼中显示结构完整性或细微RNFL变薄的区域高度对应。此外，视网膜色素上皮（RPE）和外层视网膜区域也被部分激活。在少数Heidelberg Spectralis OCT设备获取的扫描中，显著性图高亮了RNFL之外的结构，这可能反映模型利用了邻近视盘或视盘周围结构特征，也可能提示存在非生物学信号（如血管阴影、图像质量差异或设备相关伪影）。因此，显著性图更适合作为探索性解释工具，而非模型仅依赖RNFL特征的确凿证据。
**五、讨论与结论**
本研究表明，基于ViT的回归模型能够从单次基线OCT-RNFL扫描有效预测未来关键VF指数（VFI、MD、PSD），预测时间跨度可达7年，这是此前文献中未见报道的。模型预测的准确性落在标准自动视野计的内在测量变异性范围内，例如Swanson等人报告的MD重复测试变异性均值0.0 dB（SD 0.9 dB）和PSD均值1.5 dB（SD 0.3 dB），说明模型预测具有临床可接受的稳健性。与既往基于CNN或传统人工神经网络的研究相比，本研究模型在预测VF指数方面取得了更低的MAE和RMSE，这可能归因于ViT架构对高分辨率OCT图像中细微结构细节的有效保留，及其自注意力机制对全局长程空间关系的建模能力。此外，不同OCT设备间的外部验证一致性表明，标准化预处理和连续值回归策略有助于提高模型跨平台的泛化能力。
研究讨论部分也坦诚指出了若干局限性：模型仅使用OCT-RNFL结构信息，未纳入年龄、性别、基线眼压、中央角膜厚度等临床变量，也排除了遗传和生活方式因素，可能简化了青光眼进展的多因素复杂性。VFI、MD、PSD作为总体指数，可能遗漏局部缺损或区域性进展模式。同时，由于晚期青光眼存在RNFL测量的地板效应，模型在晚期患者中的适用性受限。研究人员强调，该模型应作为风险分层的辅助工具，而非替代标准VF进展评估。未来研究可整合多模态数据（包括连续OCT和多次纵向VF检查）以进一步验证模型预测真性结构和功能进展的能力。
研究结论明确指出，该项ViT回归模型具有预测未来关键VF指数的潜力，优于现有CNN模型，并能提供突出RNFL和视网膜内层区域的解释性显著性图，与青光眼病理生理学一致。该工具在临床上有望用于识别可能较快进展的青光眼患者，进而支持及时的个性化疾病管理。模型可整合至现有OCT系统，辅助临床医生优化患者预后，同时为青光眼监测和个体化治疗提供无需长期随访的客观预测方法。
