《Frontiers in Cell and Developmental Biology》：Quantitative color fundus photography parameters as potential biomarkers of axial length progression: evidence from a machine learning cohort study
编辑推荐：
本研究以6–10岁天津儿童队列（n=693）为训练集，首次将144项彩色眼底照相（CFP）定量参数与临床指标融合，构建随机森林（RF）模型预测1年眼轴长度（AL）增长>0.2 mm，AUC达0.961；SHAP可解释性分析锁定视网膜静脉密度（RVD）、静脉分形维度（VFD）及豹纹斑（leopard-spot lesions）为核心预测变量，为近视防控提供可早期干预的微血管靶点。
研究背景
近视已成为全球公共卫生危机，预计2050年50%人口近视，其中10%为高度近视（HM）。眼轴长度（AL）作为近视进展的“骨尺”，其过快增长直接决定后极部不可逆病变风险。然而，传统检查在AL尚未明显伸长时束手无策，亟需可在临床静默期捕捉风险的生物标志物。
彩色眼底照相（CFP）虽为视网膜病变诊断金标准，却在早期近视中常表现“正常”。随着深度学习（DL）与机器学习（ML）崛起，CFP中隐藏的微血管与结构信息被重新挖掘：成人研究已证实AL与CFP参数相关，但儿童AL增长的预测仍是空白。本研究由此提出假设：通过量化CFP中的微血管复杂度与结构改变，可在AL临床跃升前锁定高危儿童。
研究设计
天津医科大学眼科医院牵头，2024年4月至2025年10月随机抽取西青区1所小学，865名6–10岁儿童初筛，排除系统疾病、青光眼、斜视等，最终693人纳入分析。定义1年AL增长>0.2 mm为“进展组”（n=457），≤0.2 mm为“非进展组”（n=236）。所有受检者统一使用Lenstar LS-900测AL，KR-800测等效球镜（SER），Canon 45°相机摄CFP。为避免双眼相关，仅选单眼数据。训练集与验证集按8:2拆分，保证独立。
CFP“矿挖”流程
图像经自动化目标检测+语义分割，提取144项量化指标，涵盖四大维度：①豹纹斑与萎缩弧有无；②血管形态学（动静脉长度、面积、角度、血管密度VD、分形维度VFD）；③视盘形态（杯盘比、倾斜角等）；④关键解剖距离（黄斑–视盘–血管弓）。血管弯曲度以路径积分平方曲率定义，VFD用盒计数法计算，VD为区域血管面积占比。两名资深眼科医生半自动校正标注，高级职称者终审，确保标注质量。
变量筛选与建模
LASSO回归从144项指标中初筛39个候选，结合单/多因素logistic及临床可解释性，最终锁定12个变量：性别、DS、AL及9项CFP参数（视网膜静脉密度RVD、静脉分形维度VFD、豹纹斑存在、血管分形维度、下方区域平均血管密度、0.5–1.0视盘径（PD）血管覆盖密度、动脉血管面积、静脉血管面积、1.0–1.5 PD血管面积）。七种算法（XGBoost、SVM、RF、ANN、决策树、LR、LightGBM）五折交叉验证+网格调参，RF以150棵树、每分裂2特征折桂。
模型表现
验证集上RF的AUC 0.961（95% CI 0.933–0.984），F1分数最高，DCA曲线显示在5%–60%阈值概率区间均获正净获益，校准曲线Brier评分0.079，提示预测概率与实际观测高度一致。
SHAP解锁“黑箱”
全局解析显示，RVD、VFD、豹纹斑、血管分形维度、下方血管密度贡献度居前。RVD每下降1单位，SHAP值正向跃升，提示静脉稀疏直接推高AL增长风险；VFD降低亦呈相同趋势，意味着血管网络复杂度下降即“简并”状态与AL加速伸长同步。豹纹斑一旦出现，SHAP值普遍为正，其背后可能是脉络膜变薄与巩膜重塑的慢性应力标志。下方区域血管密度升高反而贡献正向预测，推测为缺氧诱导的代偿性扩张，反而成为“失代偿”前兆。
机制拼图
微血管稀疏→脉络膜灌注不足→巩膜缺氧→胶原减少→巩膜硬度下降→AL被动伸长。静脉系统因承担70%视网膜回流，其密度下降更易反映“低灌-缺氧”轴线；而豹纹斑对应脉络膜毛细血管层萎缩，为缺氧的结构性疤痕。CFP可在散瞳前完成拍摄，30秒即可完成“微血管体检”，实现无创、低成本、可复现的校园筛查。
临床价值
模型以0.42概率为切点，灵敏度91.2%，特异度88.5%，阴性预测值高达93%，意味着被判定为“非进展”者93%真不进展，可显著减少过度干预；同时阳性预测值84%，对进展者及时启动低浓度阿托品、增加户外活动、离焦镜片等个体化策略，有望将AL年增长控制在安全区间。
局限与展望
单中心、单设备、缺乏外部验证；未采用Littmann公式进行AL放大校正；随访期仅1年，未能描绘更长轨迹。未来计划联合多中心、多品牌相机验证，并引入OCT-A的脉络膜血管指数做跨模态融合，进一步压缩假阳/假阴。团队亦将开放模型API，供基层医院嵌入现有CFP工作站，实现“拍片即预测”。
结语
本研究首次把“静脉稀疏+豹纹斑”写进儿童AL增长的预测公式，用可解释的机器学习语言，为近视防控打开一扇“看见未来”的窗口。当微血管的秘密被CFP捕捉，AL增长的警钟即可在校园筛查室提前敲响。
