近视是全球性高发的屈光不正, 目前占全球人口的22%以上, 即全球约15亿人患有近视。世界卫生组织最新研究报告称, 到2020年预计增长至25亿^[1]。近年来, 近视发生的年龄日趋提前, 发病率逐年提高, 近视相关眼部并发症也随之增多, 如视网膜脱离、黄斑出血、白内障及青光眼等^[2], 不仅可导致视力损害, 严重者可致盲, 过去世界卫生组织及眼科学会认为青光眼或糖尿病视网膜病变是首位不可逆性致盲眼病。2017年6月6日爱眼日, 中国政府公告“ 近视是华人首位不可逆性致盲眼病” , 该公告是基于北京眼病研究^[3]的率先发现, 邯郸眼病研究^[4]的相继证实。近年国际医学界对近视眼倾注了极大关注, 2016年, Jonas等^[5]在
《柳叶刀》杂志上报道了中国近视的流行病学研究; Huang等^[6]在《Ophthalmology》杂志发表了近视干预的荟萃分析。中国政府把近视提升为首位不可逆性致盲眼病进行应对。随着智能穿戴产品的出现, 眼科影像大数据的建立, 人工智能技术的广泛应用, 对近视致病因素及发展阶段的细分、多维度量化、标准化是实现人工智能辅助防控的基础。

目前“ 病理性近视” 没有明确的定义。缺乏标准化的定义使不同流行病学研究结果之间的比较变得困难。在大多数早期流行病学研究中, 屈光不正（< -5.0 D, < -6.0 D, < -8.0 D）, 眼轴（≥ 26.0 mm, ≥ 26.5 mm）或两者的组合已被用于定义“ 病理性近视” 。然而, 基于屈光不正或增加轴向长度的定义被认为仅显示“ 高度近视” , 因此需要基于科学依据的“ 病理性近视” 的定义^[7]。过去以屈光度为界将近视划分为轻度、中度、高度近视, 如果从致盲角度分析, 就不能忽略病理性近视。Ohno-Matsui^[8]认为高度近视分单纯性高度近视与病理性近视两种, 前者为规则椭圆, 后者为不规则椭圆。两者都有眼轴延长, 但是后者有眼底视网膜脉络膜的变化, 因此近视作为致盲眼病就不能忽略眼底的影像检测。Ohno-Matsui等^[9]提出了一种新的近视性黄斑病变分类系统, 包括：无近视性视网膜退行性病变（0级）、豹纹状眼底（1级）、弥漫性脉络膜视网膜萎缩（2级）、斑块状脉络膜视网膜萎缩（3级）和黄斑萎缩（4级）, 另三个附加特征即漆裂纹, 近视性脉络膜新生血管形成和Fuchs斑, 这三个附加特征的发展和进展与0-4级病变的进展之间是独立。在此分类中≥ 2级或具有至少一个附加特征可以被认为是病理性近视。在对中小学生的随诊中我们发现眼底视神经盘周萎缩弧改变是近视常见的早期改变。Ohno-Matsui ^[8]提出的后巩膜葡萄肿位置分型（见图1）都是以视盘为起源的, 该证据支持近视眼早期对视盘萎缩弧监测的必要性。

Jonas等^[10]在眼底照片上把盘周萎缩弧进一步分成α 弧、β 弧及γ 弧, α 弧为视盘旁不规则的视网膜色素上皮层, β 弧视盘旁无色素区, 视网膜色素上皮层及脉络膜毛细血管丢失, 可透见巩膜及脉络膜大血管, 少部分人可以在眼底照片上观测到γ 弧, 即无Brunch膜, 巩膜暴露的区域, 无深层视网膜。α 弧的发生率（52.9%~84.4%）比β 弧（15.2%~29.1%）高^{[11, 12, 13, 14]}, Guo等^[15]通过5年随访发现β 弧扩大与高度近视和青光眼显著相关。Jonas等^[16]通过观察65例眼球组织病理切片, 发现γ 弧与眼轴呈正相关, 与青光眼无明显相关。国内徐亮教授课题组率先提出通过计算机图像处理对同一患者不同眼底像进行配准, 通过闪烁方式观测盘周萎缩弧是否扩大, 并且利用图像识别技术自动测量萎缩弧增大的面积预测近视发展程度, 从而提出个体化的近视眼防控措施与方案, 此方法简便、无创、直观, 对患儿及家长具有警示作用。

图1.

Figure 1.

Figure Option ViewDownloadNew Window

图1. 根据后巩膜葡萄肿的位置进行的分型(图片来自Ohno-Matsui[8] 2016) Ⅰ 型, 宽型黄斑区后巩膜葡萄肿; Ⅱ 型, 窄型黄斑区后巩膜葡萄肿; Ⅲ 型, 视盘周后巩膜葡萄肿; Ⅳ 型, 鼻侧后巩膜葡萄肿; Ⅴ 型, 下方后巩膜葡萄肿; 其他, 以上类型除外Figure 1. Renaming of staphylomas according to their location (images come from Ohno-Matsui[10] 2016). Type Ⅰ , wide macular staphylomas. TypeⅡ , narrow macular staphylomas. TypeⅢ , peripapillary staphylomas. Type Ⅳ , nasal staphylomas. TypeⅤ , inferior staphylomas. Others, except for the above types.

为了实现近视防控精准个性化, 服务模式规范化, 学生主动参与智能化, 形成医（生）、防（控）、教（育）、家（庭）、学（生）共同参与的一体化管理。我们提出近视防控的六维度量化监测评估的新模式, 突出大数据、人工智能及精准医疗在近视防控中的作用。首先要对近视发生要素进行细化、量化、标准化。即：易感度、屈光度、用眼度、裂变度、病理度、干预度。①易感度：主要从遗传史角度评价学生父母是否近视, 父/母近视为1分, 高度近视为2分; 看其眼底视盘及血管形态与父母的相似度进行加权; 视盘大近视易感性强, 正常视盘1分, 大视盘2分。②屈光度：按等效球镜度记录, 重要的是记录近视发展速率, 屈光度每年发展≥ 1 D需改进干预措施。③用眼度：最好采用智能穿戴产品监测, 有佩戴胸前、耳上及眼镜上的产品。可记录过近、过久用眼的量化指标, 每天户外活动量, 过度用眼会有振动提醒。④裂变度：指视盘周围萎缩弧的变化程度, 视神经（视盘）与视网膜衔接处为眼球扩张的薄弱部位。根据盘周萎缩弧的面积进行量化, 随诊眼底图像的配准闪烁显示, 可观测萎缩弧的细微动态变化。⑤病理度：按前文Ohno-Matsui等^[9]提出的4级记录。⑥干预度：其强弱程度参考国际近视干预临床试验的荟萃分析分级, 目前干预度最强的是低浓度阿托品, 其次为角膜塑形镜、棱镜双光镜、周边离焦镜、渐进多焦镜、普通眼镜。另外, 照明光源、电子屏对近视发生的影响缺少临床验证及标准化评价, 暂且不列入。

根据大数据及人工智能的辅助判断及分析步骤及路线如下（见图2）：①根据易感度划分建立不同易感度、有无近视变化的用眼度及干预度的大数据库, 以此数据库作为后续数据分析的基准。②根据屈光度、裂变度作为近视有无变化的标准。③随诊数据分析：近视无变化, 干预方案不调整, 数据入相同易感度组。近视有变化, 以其用眼度数据与同易感度无变化的大数据比较, 如果患者用眼度数据超出大数据标准, 近视防控应侧重用眼度的调整。如果用眼度数据无明显异常, 应加强干预度。

图2.

Figure 2.

	Figure Option ViewDownloadNew Window
	图2. 近视防控六维度评估示意图Figure 2. Six dimensional evaluation for myopia prevention and control.

现阶段在近视眼在大众认知方面还存在一些误区, 如认为近视眼不是致盲眼病, 近视只是屈光度的改变, 可仅用屈光度评估疗效就足够了, 近视只是通过矫正屈光度进行防治, 而高度近视致盲仅仅发生在中老年人中。研究已揭示高度近视为首位不可逆致盲眼病, 眼轴过度延长会导致视网膜发生退行性变, 研究和探索评价近视进展的早期指标, 建立评价近视干预是否有效的眼底指标, 建立预测近视发展和高度近视发生的指标和风险评估模型, 都是在近视研究中亟待解决的问题。目前进入大数据、物联网时代, 应该采用智能穿戴产品精确地监测学生的用眼及生活习惯。用眼习惯是造成近视的主要原因, 但是我们目前缺乏监测手段及精确的数据。近视防控的流行病及临床研究也应该采用智能监测手段, 进行智能大数据分析、智能辅助诊断。希望近视防控的六维度量化、标准化评估成为大数据、智能分析、精准医疗应用的框架。

目前对病理性近视眼的发病机制尚不明确。人们并不理解眼轴生长的调控机制, 因此发现有效延缓近视进展的方法或者药物, 则可降低其致盲率, 对我国防盲、治盲具有重要的意义。研究和探索评价近视进展的早期指标, 建立预测高度近视发生的指标和风险评估模型, 都是在近视研究中亟待解决的问题。目前大数据分析与应用刚刚兴起, 国内外的眼科研究领域尚缺少基于APP平台队列研究大数据探讨近视形成的影响因素研究, 更缺乏纵向大数据近视干预模式与评价的队列研究。在与眼科现场调查、流行病学分析研究、眼底图像处理结合下, 开展基于大数据的群体眼科健康管理、精确干预也是群体性近视防控研究的新兴课题。对于近视眼的防控, 政府始终起着主导作用, 但是需要专业机构的研究结果和指导。学校、家庭、社会、医疗卫生机构的共同参与是政策措施落实到位、防控起到效果的关键。

利益冲突申明 本研究无任何利益冲突

作者贡献声明 徐捷：参与选题、设计; 撰写论文; 根据编辑部的修改意见进行修改。徐亮：指导、顶层设计