编者按
尽管抗VEGF已成为糖尿病黄斑
在第41届亚太眼科学会（APAO 2026）中，两篇Poster研究为破解此困局带来曙光。它们不再局限于传统影像判读，而是深度融合AI算法，构建从“影像特征”到“治疗反应”的精准预测模型。本文将对这两项前沿成果进行编译，以飨读者。
DME抗VEGF耐药困局怎么破？一键解锁MedSeeker智能解决方案
AI模型预测
糖尿病黄斑水肿抗 VEGF 疗效
目的
本研究旨在整合 3D-OCT 特征和临床变量，构建机器学习模型（AI）以预测抗 VEGF 治疗效果。
方法
本研究纳入了糖尿病性黄斑水肿患者的医疗记录及3D-OCT图像。
根据连续三次抗血管内皮生长因子（VEGF）药物治疗一个月后的最佳矫正视力，将 3D-OCT 图像划分为视觉反应良好组与视觉反应不良组。
研究人员采用 11 种自动分类模型，对图像及临床特征进行抗 VEGF 治疗反应评估，并选取表现最佳的前三种模型构建集成模型，最终在测试数据集中进行验证评估。
结果
本研究共纳入 142 例患者、170 只眼睛的 3D-OCT 图像。筛选出 20 项影像学与临床特征，用于构建抗 VEGF 治疗应答预测模型并进行验证。
在 11 种机器学习模型中，自适应提升（AdaBoost）、梯度提升（GradientBoosting）与轻量级梯度提升机（LightGBM）的表现优于其余 8 种模型。
基于这三种最优模型构建的集成模型在测试集中表现出色：敏感度达 0.941，特异度达 0.882，准确率达 0.912，且受试者工作特征曲线下面积达到 0.976。
结论
本研究开发了一种基于 3D-OCT 图像与临床特征的集成机器学习算法，用于自动评估糖尿病性黄斑水肿患者对抗 VEGF 治疗的反应。该模型能够有效预测抗 VEGF 治疗的疗效，为临床医生制定个体化治疗方案提供决策支持。
基于 OCT 的影像组学方法预测玻璃体内 DEX 植入治疗糖尿病黄斑水肿的疗效
目的
本研究旨在基于
方法
本研究共纳入来自三个研究中心的 151 例经诊断为 DME 并接受至少一次 DEX 玻璃体内注射的患者。采用 3D Slicer 平台中的 Pyradiomics 模块，对 OCT 图像进行感兴趣区域（ROI）描绘，并提取定量放射组学特征。随后，从分割后的图像中提取相关特征并进行筛选，通过三种不同的机器学习算法构建预测疗效模型。
结果
在反向传播神经网络（BPNN）模型中，训练集和测试集的曲线下面积（AUC）分别为 0.949 和 0.812。
支持向量机（SVM）模型的 AUC 则分别为 0.945 和 0.819。
Spearman 相关分析显示，训练集和测试集的 oct 组学评分与治疗后 CST 变化率呈正相关（R = 0.52，p < 2.5e-08；R = 0.33，p = 0.026）。
此外，在训练集（p = 6.59e-03）和测试集（p = 2.90e-09）中，存在浆液性视网膜脱离（SRD）的患者，其 OCT 组学评分显著高于无 SRD 组。
结论
基于 OCT 图像的放射组学模型被证实为一种高准确率、无创的工具，可用于预测 DEX 治疗 DME 的疗效，为 DME 的精准治疗提供了新的视角。与临床影像组学标志物 CST 下降率、SRD 等之间的相关性研究进一步增强了该模型的临床可解释性和应用前景。
参考文献
医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。
本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，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。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
