编者按：青光眼作为一种全球范围内常见的不可逆性致盲眼病，其发病机制极为复杂，受到遗传、环境等多因素的共同影响。正因如此，早期诊断与及时干预对于防止患者视力进一步恶化、改善其预后状况而言至关重要。在第129届美国眼科学会年会（AAO 2025）上，针对青光眼展开的研究成果丰富多样，众多研究以壁报形式进行了精彩展示。本文摘取其中部分具有代表性和前沿价值的研究内容，以飨读者。

原发性开角型青光眼（POAG）是一种常见的致盲性眼病，其发病机制复杂，涉及遗传和环境等多种因素。近年来，随着基因组学研究的深入，多基因风险评分（PRS）在评估疾病风险和预测疾病进展方面展现出巨大潜力，为青光眼的精准诊疗提供了新的思路。为评估多基因风险评分（PRS）与青光眼进展的关联性，研究人员从麻省总医院布里格姆生物银行和BioMe生物库提取数据，采用线性回归分析视野平均偏差（MD）斜率随时间的变化趋势，通过逻辑回归评估快速视野进展（MD斜率<-0.5dB/年）的风险关联。研究以MD斜率作为青光眼进展的核心量化指标。

研究共纳入971名患者的971只眼，患者平均年龄为70.3岁，45.1%为男性，65.2%为欧洲人群。PRS前30%人群的平均MD斜率（-0.18dB/年）显著陡于后70%人群（-0.13dB/年，P=0.011）。PRS每增加1个单位，MD下降速度加快0.03dB/年（P<0.001）。逻辑回归显示，PRS升高显著增加MD进展风险（OR=1.33，95%CI：1.07-1.67，P=0.013）。

研究结论：PRS升高与青光眼视野快速恶化相关。

标题：Polygenic Risk Scores Are Associated With VF Decline in POAG
作者：Niloufar Bineshfar,Yan Zhao,Hetince Zhao,Kanza Aziz,Louis R Pasquale,Janey Lee Wiggs,Nazlee Zebardast

青光眼作为全球主要的不可逆性致盲眼病，早期精准诊断对于延缓病情进展、保护患者视功能至关重要。眼底彩照（CFP）和光学相干断层扫描（OCT）是临床常用的青光眼诊断辅助手段，近年来，人工智能（AI）技术在医学影像分析领域展现出巨大潜力，为青光眼的精准检测提供了新的方法。为评估基于CFP和OCT的多模态RETFound模型在青光眼检测中的表现，研究人员使用1098名参与者的14510张CFP和32640张OCT视网膜神经纤维层扫描图像，通过标准化视神经标准将图像分为青光眼或非青光眼。在配对的CFP和OCT图像上训练多模态模型，同时开发单模态模型。评估指标包括受试者工作特征曲线下面积（AUC）、精确率、召回率，并按种族、年龄（<60/≥60岁）和疾病严重程度（MD>-6dB/≤-6dB）分层。

结果表明，多模态模型AUC为0.94（95%CI：0.91-0.97），优于CFP单模态模型（AUC=0.86，95%CI：0.81-0.89，P<0.001），但与OCT单模态模型（AUROC=0.93，95%CI：0.90-0.96，P=0.47）无显著差异。种族和年龄组间无差异，所有模型对中重度青光眼的准确性高于轻度。

研究结论：多模态RETFound模型表现优异，但OCT单模态模型与其相当，这一结果可能简化临床应用，为临床医生在选择青光眼检测方法时提供了新的参考依据。

标题：A Novel Multimodal Foundation AI Model Outperforms Unimodal Fundus Photograph but Not Unimodal OCT Image Based Models in Glaucoma Detection
作者：Benton Gabriel Chuter,Vedant Sandeep Joshi,Shahin Hallaj,Evan Henry Walker,Christopher Bowd,Michael Goldbaum,Andrzej Grzybowski,Massimo Antonio Fazio,Christopher A Girkin,Gustavo De Moraes,Jeffrey M Liebmann,Robert N Weinreb,Linda Zangwill，Mark Christopher

垂直杯盘比（VCDR）是评估青光眼的重要指标之一，传统上主要依赖人工分级（H-VCDR）来测量，随着AI技术的飞速发展，机器学习（ML）模型在医学影像分析领域展现出强大的潜力，有望为青光眼的诊断提供更高效、准确的方法。为在人群研究中比较ML与人工分级测量的VCDR对青光眼的诊断准确性，研究人员进行了EPIC-Norfolk眼科研究，纳入6304名参与者（平均年龄68岁，57%女性）的眼底图像，由人工分级（H-VCDR）和ML模型（ML-VCDR）分别测量VCDR，青光眼状态由青光眼专科中心确认，通过逻辑回归分析VCDR对青光眼的预测性能。

研究表明，696名参与者至少一只眼确诊青光眼或可疑青光眼。在右眼数据中，H-VCDR和ML-VCDR分别解释了17%和31%的青光眼状态差异，ROC曲线下面积（AUROC）分别为79%和88%。在左眼数据中，H-VCDR和ML-VCDR分别解释了20%和35%的青光眼状态差异，对应的AUROC分别为81%和90%。

研究结论：在人群筛查场景中，ML显著优于人工分级，这一结果为在青光眼筛查中引入ML辅助策略提供了证据支持。

标题：Comparative Performance of Machine Learning and Human Graders for Glaucoma Diagnosis From Fundus Images in a Population Study
作者：Anthony P Khawaja,Robert Luben,Mahantesh I Biradar,Kelsey Vernon Stuart,RUIQI HU，Paul J Foster，Farhad I Hormozdiari,Cory Y McLean

在全球积极倡导可持续发展、应对气候变化的大背景下，医疗行业的环境影响日益受到关注。青光眼作为常见的致盲性眼病，其手术治疗在眼科领域占据重要地位，然而手术过程中产生的碳足迹问题却鲜少被深入探讨。量化青光眼手术的碳足迹，对于推动眼科医疗的绿色发展具有重要意义。为量化常规青光眼手术的碳足迹，研究人员收集了美国中大西洋学术机构16例青光眼手术的材料数据，使用欧洲白内障与屈光手术学会可持续指数工具（SIDICS）及文献估算二氧化碳当量（kg CO2eq）。

研究表明，平均每例手术使用150件物品，其中142件（94.7%）纳入碳足迹计算。单例手术排放量在11.1-20.6kg CO2eq之间，中位数为15.3kg CO2eq，这一排放量约相当于185个塑料瓶所产生的碳排放。进一步分析发现，手术包平均贡献8.79kg CO2eq，在总碳足迹中占比58.6%。

研究结论：青光眼手术材料具有显著碳足迹，手术包优化可实现大规模碳减排。同时，需进一步评估青光眼手术对环境的全面影响，并将其与其它眼科手术进行对比。

标题：Insights From the SIDICS Tool: Exploring the Carbon Footprint of Glaucoma Surgery
作者：Emily Michelle Schehlein,Margaret Tharp,Alan L Robin,Pradeep Y Ramulu

青光眼早期诊断与及时干预对于防止视力进一步损害、改善患者预后至关重要。然而，不同地区在青光眼的早期检测能力以及患者获得医疗服务的可及性方面存在显著差异，这些差异可能会反映在患者初诊时的青光眼严重程度上。深入探究青光眼初始严重程度的地区差异，有助于明确各地在青光眼防治工作中存在的薄弱环节，为制定更具针对性的防控策略提供依据。鉴于此，研究人员筛选三大数据库中报告成人青光眼客观严重度的研究，并由2名评审员独立评估研究质量。对于视野研究，采用随机效应Meta分析方法进行数据整合；对于非视野研究，则进行定性综述。

在纳入的20项视野研究中，共涉及56251名参与者，其中42%、27%、31%的患者初诊时分别被判定为轻度、中度、重度青光眼。进一步按地区分析发现，欧洲、北美、大洋洲地区初诊为轻度的患者占比在56%~67%之间；而非洲、亚洲地区初诊为重度的患者占比高达37%~52%。未发现青光眼初始严重程度存在明显的时间趋势。另外，13项主要来自资源匮乏地区的非视野研究显示，这些地区存在高比例的晚期青光眼病例。

研究结论：初诊青光眼严重差异的地区差异凸显了早期检测与医疗可及性方面存在的差距，其可作为评估青光眼病例检测效能的重要指标。

标题：Severity of Glaucoma at Initial Presentation: A Systematic Review and Meta-Analysis
作者：Kelsey Vernon Stuart,Carina Luxhoj，Gabriele Gallo Afflitto,Esther M Hoffmann，Frances Meier-Gibbons，Panayiota Founti，Paul J Foster，Anthony P Khawaja

AAO 2025上青光眼研究的诸多成果，为我们描绘了一幅充满希望的未来画卷。从基因层面的深入探索，到AI技术在诊断中的创新应用，再到对手术环境影响的关注以及地区差异的剖析，都为青光眼的防治指明了新方向。未来，随着研究的不断深入和技术的持续进步，我们有望实现青光眼的更精准诊断、个性化治疗以及绿色医疗，让更多患者重见光明。


参考来源：AAO官网


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。