编者按：青光眼作为全球范围内不可逆性失明的主要病因之一，其有效管理和治疗一直是眼科领域的重大挑战。随着医学研究的不断深入，青光眼的诊疗策略也在持续更新。6月25日至28日，第11届世界青光眼大会（WGC 2025）在美国夏威夷檀香山盛大召开，汇聚了全球青光眼领域的专家学者。值此大会之际，小编特别整理了几项前沿研究成果，涵盖青光眼药物治疗持续性、人工智能在青光眼进展预测中的应用，以及开角型青光眼快速进展相关的系统性因素等前沿议题，旨在为青光眼诊疗技术的进一步发展提供新思路，以期改善患者的治疗效果和生活质量。

77162例大规模患者回顾性人群研究：探究青光眼药物治疗持续性

青光眼作为全球范围内导致不可逆性失明的主要病因，其有效管理依赖于降眼压药物的治疗。然而，药物治疗的依从性与持续性始终是临床实践中的一大挑战。尽管青光眼的管理至关重要，但既往鲜有针对人群水平青光眼药物治疗持续性的深入研究。鉴于此，Tianwei Ellen Zhou等人基于临床评估科学研究所（ICES）的数据库，对省级公共资助的全民医疗体系内65岁及以上青光眼患者的治疗持续性进行了回顾性人群分析。研究纳入自2011年1月1日至2016年12月31日期间，首次启动局部降眼压药物治疗的77162例青光眼患者。治疗持续性被定义为按照处方规定的持续时间继续接受治疗，并使用续药间隔法将治疗持续性划分为四个等级：短期用药者、不持续用药者、部分持续用药者和完全持续用药者。该分析识别了影响完全药物持续性的因素，包括包括但不限于患者的人口学特征、社会经济地位、慢性病状况以及医疗可及性。

多变量逻辑回归分析结果表明，女性患者（OR:1.14,P<0.0001）、处于最高社会经济分位组患者（OR:1.09,P=0.0072）、拥有家庭医生患者（OR:1.14,P<0.0001）、长期居民（OR:1.09,P=0.0134）、无糖尿病史患者（OR:1.15,P<0.0001）、无高血压史患者（OR:1.06,P=0.0032）、无痴呆史患者（OR:1.25,P<0.0001）、无心理健康问题患者（OR:1.04,P=0.0391）以及近期有住院史患者（OR:2.00,P<0.0001）更倾向于表现出治疗持续性。

研究结论：该研究对青光眼患者的治疗持续性及其影响因素进行了全面深入的探讨。研究结果不仅有助于临床医生在个体化治疗中识别高危患者，还为公共卫生政策制定者提供了优化弱势群体管理策略的科学依据，从而进一步提升青光眼患者的治疗依从性与持续性，改善其长期预后。

标题：Glaucoma Medication Persistence:A Retrospective, Population-Based Analysis of 77,162 Patients 

作者：Tianwei Ellen Zhou,Z Hu,M Popovic,M Yang,L Rosella,M Schlenker

借助AI预测青光眼进展：系统综述与荟萃分析带来新启示

准确预判青光眼病情进展风险，对于达成最佳视力保护效果而言，具有举足轻重的意义。近年来，人工智能（AI）技术的飞速发展，为预测青光眼进展的AI模型开发注入了新的活力。Aiyin Chen等人进行了一项综述，旨在全面评估AI模型在预测青光眼进展方面的实际表现。该综述方案已预先在PROSPERO平台（注册号：CRD42024524655）完成注册。基于医学主题词和关键词的检索策略，涵盖了“人工智能”、“青光眼”及“进展”等核心词项的组合。检索范围广泛，包括MEDLINE、Embase、Web of Science Core Collection、Cochrane CENTRAL以及arXiv和MedRxiv等。两位盲态评审员独立筛选英文全文文献。纳入标准设定为：验证AI模型在青光眼患者或疑似患者中预测未来病情进展的研究，且接受包括功能/结构评估及临床记录在内的多种进展标准。采用分层非线性随机效应模型来合并预测准确性指标，通过预测区域和I2指标来评估研究间的异质性，并开展亚组分析以深入探索影响因素。此外，还使用诊断准确性研究质量评估工具QUADAS-2进行偏倚风险评估。

经过严格筛选，研究人员从2330篇文献中最终纳入了43篇符合标准的文章。其中，22篇文献（涉及21项研究）成功开发了二元预测模型，合并后的总受试者工作特征曲线下面积达到了0.862（95%CI:0.792-0.909）。在特异性为85%的条件下，合并敏感性、阳性似然比和阴性似然比分别为79.3%（69.3%-89.4%）、5.289（4.622-5.957）和0.243（0.125-0.361）。研究人员观察到，各研究间存在显著的异质性。此外，研究还发现，AI模型的设计与其预测效能之间存在显著关联。在QUADAS-2评估中，有44%（19篇）的研究被评为低偏倚风险。

研究结论：AI模型在准确预测青光眼进展方面展现出了广阔的应用前景，有望为个体化青光眼管理提供有力支持。然而，未来研究仍需采用更为稳健的验证方法和报告规范，以进一步提升模型的普适性，并尽可能降低偏倚风险。

标题：Predicting Glaucoma Progression Using Artificial Intelligence: A Systematic Review and Meta-analysis

作者：Yichuan Liang,L Fan,G Liew,A White

解锁OAG快速进展关键：系统性因素探寻新突破

在开角型青光眼（OAG）的临床病程中，部分患者呈现出视力急剧恶化的独特表现，通过连续视野检查可清晰观察到其视野缺损的快速进展。针对这一临床现象，Aiyin Chen等人设计了一项研究，通过评估系统性因素、眼部特征、人口统计学因素、社会因素以及健康的社会决定因素（基于电子病历数据），旨在深入探索与OAG患者快速视野进展（FP）相关的风险因素。研究采用单中心回顾性病例系列分析设计。纳入的患者需在俄勒冈健康与科学大学同时接受基础医疗和眼科诊疗服务，以确保数据的准确性。研究特别纳入了至少完成4次24-2Humphrey视野检查的OAG患者。FP被定义为视野平均缺损（MD）每年恶化≥-1.00dB。研究分析了包括人口统计学特征、系统性因素、眼部特征、社会因素、社会脆弱性指数（SVI）以及城乡通勤区域代码（RUCA）在内的多个变量。统计学分析采用了Mann-Whitney U检验、卡方检验以及单变量逻辑回归方法。数据被分为训练集和测试集，并分别用于训练两种关联模型：梯度提升模型（GBM）和随机森林模型（RFM）。所有变量均被纳入模型训练过程，模型性能则通过预留的测试集进行评估。

在700名OAG患者中，138例（19.7%）被归类为FP组，而562例则被归类为非FP组。FP组患者的基线特征分析显示，与对照组相比，他们在首次视野检查时的年龄更高（76.8岁 vs. 70.0岁；P<0.001）、糖化血红蛋白水平更高（6.37 vs. 5.95mmol/mol；P=0.015）、总诊断数量更多（7.0 vs. 4.45；P<0.001）、心血管疾病（CVD）的发生率也更高（18.8% vs. 9.1%；P=0.013）。此外，FP组患者的舒张压（DBP）更低（70.3 vs. 72.4mmHg；P=0.018）。单变量逻辑回归分析进一步揭示，DBP、血红蛋白水平、糖化血红蛋白水平、年龄、眼压波动范围、最高眼压、总诊断数量以及CVD病史均与FP显著相关。在预留的测试集中，GBM模型预测FP的准确率达到了81%，受试者工作特征曲线下面积（AUROC）为80%；而RFM模型的预测准确率为71%，AUROC为75%。

研究结论：部分可改变的系统性风险因素与OAG患者的视野快速进展密切相关。同时，研究还构建了两种具有中等预测能力的关联模型，用于预测OAG患者的视野快速进展。这些结果提示，未来应进一步深入探索眼外因素对青光眼进展的影响，以期识别更多潜在的风险标记，从而为青光眼的个性化治疗和管理提供更加有力的支持。

标题：Systemic factors associated with fast progression of open-angle glaucoma

作者：Aiyin Chen,S Burt,A Chen,L White,A Coyner,M Hribar,N Weiskopf

总结：青光眼研究的推进充分彰显了眼科领域对攻克这一致盲眼病的坚定决心。在青光眼诊疗需求日益复杂化的当下，研究范畴从单一因素探究拓展到多因素综合分析，聚焦药物治疗、AI 预测及系统性风险等多维度。结合 WGC 2025 成果，未来青光眼诊疗有望迈向更精准、更个性化的综合管理新阶段。

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，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，本站及作者不承担相关责任。