近日，首都医科大学附属北京同仁医院王宁利/李仕明/付晶团队联合北京航空航天大学高硕团队、英国剑桥大学等国际团队在顶级医学期刊《JAMA Network Open》（影响因子：10.5）发表重要研究成果《Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data》，开发了全球领先的基于深度学习的儿童近视进展预测系统，实现仅用单次眼底照相即可精准预测未来5年近视发展轨迹。

研究背景

高度近视预计到2050年将影响全球超10亿人，是导致不可逆视力损伤的重要原因。儿童期近视发生与成年期高度近视密切相关，早期精准预测和干预至关重要。然而，传统预测方法需要多次就诊和复杂检查，难以在大规模筛查中应用。如何利用简单的基线数据准确预测近视进展，是亟待解决的关键问题。

研究亮点一：创建多年近视预测网络（MMPN）

研究基于安阳儿童眼病研究（Anyang Childhood Eye Study,ACES）队列，历时6年追踪3048名儿童，收集16,211张眼底图像。同时，通过拉萨儿童眼病队列进行了外部验证，增加了藏族等少数民族儿童数据，进一步确保了预测模型的泛化性能和临床适用性。这是迄今为止用于近视预测的最大规模纵向研究数据集。

图：深度学习模型架构示意图

研究创新性地整合了：

1、ResNet34卷积神经网络：提取眼底图像深层特征

2、LSTM时序分析网络：捕捉近视进展的时间动态变化

3、多模态融合策略：结合图像与屈光度数据

取得突破性成果：

1、近视风险预测AUC达0.941（准确率87.0%）

2、高度近视风险预测AUC达0.985（准确率97.9%）

3、屈光度进展预测误差仅0.322D/年

4、单次检查即可预测未来5年发展轨迹

研究亮点二：揭示近视进展的眼底影像标志物

通过Grad-CAM可视化和引导反向传播技术，研究首次系统性揭示了与近视进展相关的关键眼底区域。

图：Grad-CAM热力图展示模型关注区域

模型重点识别的区域包括：

1、视盘周围：与近视性视神经病变风险相关

2、黄斑区域：未来可能发生近视性黄斑病变的关键部位

3、颞侧视网膜：后巩膜葡萄肿的好发区域

这一发现不仅提供了近视进展的客观影像学标志物，更为理解近视病理生理机制开辟了新视角。机制研究显示，这些区域的细微形态学改变早于临床可检测的屈光度变化，为超早期干预提供了可能。

临床转化前景

本研究开发的深度学习系统具有重要的临床应用价值：

1.精准分层管理：识别高危儿童，制定个体化防控方案

2.早期干预时机：在近视发生前即可预测风险，把握黄金干预期

3.医疗资源优化：单次检查即可长期预测，减少就诊负担

4.基层推广应用：仅需常规眼底照相设备，适合大规模筛查

该系统有望纳入国家儿童青少年近视防控体系，为实现2030年近视率下降目标提供技术支撑。

科研团队介绍

北京同仁眼科中心王宁利/李仕明/付晶教授团队长期致力于儿童近视防控研究，牵头开展安阳儿童眼病研究等大型队列研究。团队与北航仪器科学与光电工程学院高硕教授、剑桥大学等国际顶尖团队深度合作，在人工智能眼科应用领域取得系列突破性成果。

该研究得到国家自然科学基金、首都卫生发展科研专项等多项基金支持，为我国儿童近视防控国家战略提供重要技术支撑。

通讯作者

王宁利

中国工程院院士，北京同仁医院眼科中心主任，首都医科大学眼科学院院长。长期致力于青光眼诊疗技术研究和重点眼病群体干预。

李仕明（通讯）

首都医科大学附属北京同仁医院眼科主任医师、教授，医学视光科副主任。主要研究方向：近视防治全流程的关键技术研发与临床应用。

高硕（通讯）

第一作者

康梦田

首都医科大学附属北京同仁医院眼科主治医师、讲师，长期从事青少年儿童近视防控及屈光手术研究。

胡岩松

北京航空航天大学仪器科学与技术研究生，研究方向包括计算机视觉和医学图像处理。

付晶

首都医科大学附属北京同仁医院斜视与小儿眼科主任、教授。擅长斜视、弱视等儿童眼病视觉康复及近视防控。

文章链接：https://pubmed.ncbi.nlm.nih.gov/41587032/

文章doi：10.1001/jamanetworkopen.2025.53543.

原始文献信息
论文标题：Deep Learning Prediction of Childhood Myopia Progression Using Fundus Image and Refraction Data
期刊：JAMA Network Open. 2026;9(1):e2553543.
DOI：10.1001/jamanetworkopen.2025.53543
PMID：41587032
链接：https://pubmed.ncbi.nlm.nih.gov/41587032/

利益关联说明
本研究由相关学术团队独立完成，未接受任何商业公司资助。本报道仅为学术信息传播，不代表对任何商业产品的推荐。

（原文末免责声明可保留）
声明：本文仅供医疗卫生专业人士学术交流，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，本平台及作者不承担相关责任。