近视的上升：探讨可能的促成因素，调查筛查实践、政策和项目：研讨会简报（2024）

近视的上升趋势：探讨可能的促成因素，调查筛查实践、政策和项目：研讨会简报（2024年） 详细情况 13页 | 8.5 x 11英寸 | PDF ISBN 978-0-309-71789-2| DOI 10.17226/27735 贡献者 琳达·卡斯洛，报告人；行为、认知和感官科学委员会；行为和社会科学及教育处；国家科学院、工程院和医学院 建议引用 国家科学院、工程与医学院。2024近视的上升：探讨可能的贡献因素，调查筛查实践、政策和项目：研讨会纪要——简要华盛顿特区：国家科学院出版社。https://doi.org/10.17226/27735. – 免费下载数千份出版物的权限 – 打印出版物价格享受10%折扣 – 通过电子邮件或社交媒体接收您兴趣相关的新书通知 – 专属优惠和折扣 所有可下载的国家学院标题均可免费用于个人和非商业学术用途。用户也可以自由地在网站上发布指向我们标题的链接；非商业学术用户被鼓励链接到网站上的版本，而不是分发下载的PDF文件，以确保所有用户都能获取到工作的最新权威版本。所有其他用途均需获得书面许可。（请求许可） 此PDF受版权保护，所有权属于美国国家科学院；除非另有说明，美国国家科学院保留此PDF中所有材料的版权，所有权利予以保留。 近视的兴起：探讨可能的贡献因素并调查筛查实践、政策和项目：某研讨会纪要—— 会议记录——摘要 近视的上升：探索可能的促成因素并调查筛查实践、政策和项目 会议记录——摘要 背景 近视，或称近视眼，是一种常见的光学性错误，在这种错误中，近处物体看起来清晰，但远处物体看起来模糊。近几十年来，其发病率在全球范围内一直在上升，迄今为止，关注主要集中在治疗和矫正上。 关于近视的新研究机会 受邀演讲者比尔·盖斯勒（德克萨斯大学奥斯汀分校感知系统中心）观察到，随着近视在全球范围内持续迅速增加，大多数努力仅集中在开发医疗干预措施上，例如特殊眼镜、隐形眼镜和阿托品眼药水。他强调了需要致力于确定和治疗疾病根本原因的努力。此外，他指出，大多数近视研究都是在眼科和视光学部门以及医疗行业中进行的，但为了解决这一问题，更广泛的专家领域——包括视觉行为、神经生理学、物理学和生理光学、显示技术、实验方法、人因工程、行为遗传学和传播——是至关重要的。 对此，美国国家科学、工程和医学科学院于2023年12月举办了一次公开研讨会，以讨论近视的增多，特别关注导致近视发展和进展的因素；可能有效逆转近视增多的策略；用于理解和诊断、治疗近视的技术应用；当前的近视筛查实践、政策和项目；以及当前护理系统的优势和劣势，特别是与其相关的不平等和结果。这次收集证据的研讨会将为国家科学院持续进行的共识研究“关注近视：发病机制和发病率增加”提供信息，该研究旨在评估对近视发病机制的当前机制理解及其发病率的增加原因，确定知识差距和进步的障碍，并制定一个旨在更好地理解可能解释其发病率增加的生物学和环境因素的研究议程，并相应地制定政策和公共卫生干预措施。1 受邀演讲者David Williams（罗切斯特大学光学研究所）重申了对近视的新视角的需求，其研究范围远超出当前技术的总结。他坚称，从某些方面来看，近视是一个比COVID-19更具挑战性的问题——虽然后者有有效的疫苗，但预防或减轻近视效果的最佳干预措施（例如，光学、行为或药物治疗）仍未知。 近视的上升：探索可能的促成因素以及调查筛查实践、政策和项目：某研讨会的论文集——在... 银行强调，应从儿童那里收集此类数据，以确定哪些环境因素可以预测近视的发展。例如，他提到了Agostino Gibaldi的轻量级原型头盔，用来测量儿童参与各种活动时的光照和相对距离环境。对于未来的工作，Banks建议将中央视觉场中距离统计的测量与眼模型相结合，以生成视网膜图像的统计数据。 Geisler和Williams表示，他们希望这项共识研究能够提高公众对近视严重性的认识，不仅是在公立学校管理人员和普通公众中，也包括联邦和州政府、基金会、慈善机构，尤其是那些能够提供关键资源以帮助解决这一问题的技术行业领导者。 创新研究方向 邀请演讲者马丁·班克斯（加州大学伯克利分校赫伯特·沃特海姆眼科与视觉科学学院）指出，有强有力的证据表明环境在近视发生中起着作用。他解释说，光的光谱和光强度，以及物体的距离，在室内和室外环境中都有所不同，孩子们在户外度过的时间越多，他们预防近视的机会就越好。2 在一场与Banks的简短问答环节中，一位委员会成员表达了担忧，认为近视儿童可能更喜欢在室内看近处物体，而不是在室外看远处物体。Banks重申了开发研究儿童和早期干预技术的必要性。他提倡将此类数据投射到动物模型上，但指出这需要在中央视觉场开发一个合适的眼睛模型需要大量的工作。另一位委员会成员询问，是否足够有一个对人口统计学上准确的眼模型，如果不是，是否可以为个人构建眼模型。Banks回答说，他的同事有一组小的模型眼睛，并且所有偏差都被考虑以生成预期的视网膜图像。他建议开发一种经济、简便的方法来测量轴向长度，以进行更个性化的评估。 银行描述了一项关于导致近视的环境因素的研究，该研究于2012年进行。3该研究描述了视网膜图像取决于视觉环境的三维结构、眼球的光学特性、视网膜的形状以及调节能力。他观察到该数据集存在两个问题：图像是计算机生成的，且必须假设注视点。因此，为了证实该研究的论断，他和他的团队开发了一个眼和场景追踪器，这是一个头戴式设备，包括双眼眼追踪器和立体场景相机。他们在成年人参与真实环境中的日常任务时，计算了相对距离和视网膜差异。4数据分析5揭示了具体任务的不同，参与者倾向于在上方视野看到更远的位置，而在下方视野看到更近的位置。此外，室内场景的视网膜图像具有比室外场景更大的屈光度值和距离变化。 探索新颖的举措 近视风险与预防在澳大利亚 受邀演讲者David Mackey（澳大利亚西澳大学医学院，眼科与视觉科学中心）解释说，部分原因是澳大利亚大部分地区阳光强烈，因此它拥有世界上最高的皮肤癌发病率。然而，与此同时，它也是近视率最低的国家之一。在回顾了在澳大利亚进行的四项研究的结果后，他发现，过去二十年中成年人的近视率在30%或以下——远低于东亚各城市的近视率。6在一项研究中（被称为Raine Study），年轻时青光眼的患病率最初约为25%；8年后，青光眼的患病率已有所上升 遗传在理解近视风险中的作用研究中发现，多基因风险评分（PRS）在欧洲人的表现接近临床应用所需的水平，但在其他血统的人中则不是。此外，一旦考虑到球面等效值，折射误差的PRS不能预测近视黄斑病变的风险。12 在20岁时患有近视的其中三分之一的人，以及在20岁时未患近视的人中占14%。7这些年轻人的增加风险因素包括为东亚族裔女性、父母近视以及日照不足。 Mackey指出，近视有三个环境风险因素——户外活动时间不足、教育时间和水平增加、以及近距离工作时间延长——并且它们是相互关联的。尽管这些因素并不直接参与已知的近视机制，但在理解近视风险时，考虑户外活动时间的一些标记是很重要的：维生素D水平、臂斑痣（或痣）数量、骨密度、手皱褶、翼状胬肉。8角结膜紫外荧光9并且皮肤癌的发病率。例如，布斯塞尔顿健康老龄化研究发现，1946年至1964年出生的参与者在2010年检查时，有7.7%患有皮肤癌，但其中只有11.6%患有近视；在那些没有患皮肤癌的人中，有21.9%患有近视。10因此，他指出，澳大利亚的父母面临着一个“平衡的挑战”：增加户外时间可能会增加他们的孩子患皮肤癌的风险，但可能会降低近视的风险。他鼓励使用针对特定人群定制的公共卫生措施，以增加儿童的户外活动时间。 麦基支持预防近视的战略而非仅专注于治疗近视。他说截至目前，在中国和香港的临床试验中，增加在校监督下的户外时间以及低浓度阿托品方案是唯一被证明有效的预防措施，尽管美国的研究对阿托品的效果结果不一。他提倡将个人PRS、预近视水平、家族史、风险行为及轴向长度轨迹相结合以识别预近视儿童并提供个性化干预措施。他还提到能够测量轴向长度轨迹的能力尤为重要，因为轴向长度的改变在发展近视的儿童中更大。13 利用人工智能 受邀演讲者丹尼尔·丁（新加坡国立眼科中心）将近视描述为一种高度复杂的疾病，因为其受到遗传和环境的影响。他指出，受近视影响的人数（50亿）比受高血压、糖尿病、年龄相关性黄斑变性和白内障的总和还要多。高度近视，定义为-5屈光度14（D）或更高，这影响了约20%的近视人群，在亚洲尤其成问题，但全球范围内正在增加。 反思近视的其他环境风险因素，Mackey 指出，Raine 研究还分析了其年轻成年参与者（20岁、22岁、27岁和28岁）的电视、电脑和智能手机屏幕时间。在电脑上，那些“持续高”或“持续非常高”（按每天小时数衡量）的屏幕时间的人近视进展更快，但在智能手机上则不是如此。11麦基及其同事还研究了 丁讨论了如何利用技术改善医疗保健，因为人工智能（AI）应用正在出现，用于分割、分类， 版权所有，美国国家科学院。保留所有权利。 并且预测任务。例如，深度学习使分析多种数据格式（例如，文本、语音、图像）和多个抽象层次成为可能。人工智能可用于检测肺癌、评估心脏健康状况以及分类皮肤病变。尤其是在眼科领域，他指出，人工智能有潜力用于视网膜成像以检测疾病和预测疾病进程。他描述了使用深度学习结合眼底影像的基线照片的应用。15预测孩子在5年内发展成高度近视的风险。16大约1800只眼睛被用于训练和验证该软件，200只眼睛被用于测试算法：发现这些照片具有高度的预测能力（约90%的准确性）。Ting及其同事们还进行了一项另一项研究。17利用来自六个国家的超过200,000张图像来证明，将人工智能与眼底成像相结合，在检测高度近视和近视黄斑变性（一种可能导致患者随着年龄增长而视力下降的近视并发症）方面，准确率超过90%。该系统在检测这些疾病方面优于六位视网膜专家。 定义环境数据和疾病流行率的目的用途，根据目的用途选择健康经济模型，评估诊断性能，以及评估直接和间接成本。 讨论 麦基指出，户外时间不足确实会影响年轻人的近视进展。他强调预防仍然“是最好的投资”，并建议将6至8岁儿童作为增加户外活动的重点群体——这一年龄段的孩子在中国和香港因 COVID-19封锁措施而受到特别影响。麦基继续说道，澳大利亚的数据表明孩子们每天在户外停留的时间为1到2小时；然而，家长需要确保孩子在外出时戴着帽子、穿衬衫并涂抹防晒霜，并避免中午时段让孩子处于户外。他还建议使用非深色且具有紫外线阻挡功能的太阳镜以防止阳光有害影响，同时不会减弱预防近视的效果。此外，他警告不要向社区提供自相矛盾的健康建议，在 COVID-19疫情期间这一点尤为重要。 丁还介绍了在医学中使用大型语言模型的机会和挑战，这些模型在组织和管理复杂和非结构化的电子健康记录、校对稿件（使用ChatGPT）以及支持临床决策方面都取得了成功。他考虑了AI在未来在解决近视问题中发挥作用的方法，例如通过结合高度复杂的数据集（例如，个人生物数据、环境数据、视网膜成像、轴长、遗传学）；筛查近视进展；确定近视治疗方案；管理阿托品治疗；以及创造鼓励人们户外活动的技术。然而，他警告说，AI应该负责任地使用，考虑到数据安全、偏见、伦理、可推广性、可解释性和透明度。在用AI解决近视问题之前，他建议应该 一位委员会成员质疑是否可以将人工智能用作干预工具，为人们提供关于充足照明水平的实时建议。丁支持这一途径，但指出关于决定近视进展的亮度水平尚未达成共识。然而，他表示，捕捉到的数据越多，就能识别出不同风险水平的更多模式。麦基补充说，量化阳光照射是困难的，需要比目前可用的更好的措施。 回忆起Mackey关于PRS的讨论，一位委员会成员质疑欧洲和亚洲是否发生着不同的现象，以及诊断、治疗和预防是否应该根据人群而异。Mackey指出，不仅需要研究更多样化的群体以避免数据偏差，而且还要识别出普遍存在的基因和特定子群体共有的基因。他还补充说，世