Rutynowe badania krwi i uczenie maszynowe identyfikują powikłania przy wysokiej krótkowzroczności

Dlaczego prosty test krwi może uratować wzrok

Wielu ludzi wie, że silna krótkowzroczność oznacza grubsze szkła. Mniej osób zdaje sobie sprawę, że może ona również cicho uszkadzać oko, prowadząc do zaćmy, jaskry, odwarstwienia siatkówki i innych problemów, które mogą skutkować trwałą utratą wzroku. Sprzęt potrzebny do wykrywania tych powikłań — specjalistyczne aparaty i skanery okulistyczne — jest drogi i nierównomiernie dostępny, zwłaszcza poza dużymi szpitalami. W tym badaniu zbadano zaskakującą alternatywę: wykorzystanie wyników rutynowych badań krwi w połączeniu z uczeniem maszynowym, aby wskazać osoby z wysoką krótkowzrocznością, które mogą rozwijać poważne powikłania oczu znacznie wcześniej niż pojawią się objawy.

Od powszechnego problemu wzrokowego do cichego zagrożenia

Wysoka krótkowzroczność, zwykle definiowana jako bardzo silna krótkowzroczność, staje się coraz powszechniejsza na świecie. Poza rozmytym widzeniem na odległość, powoduje ona rozciąganie i ścieńczenie oka, zwiększając ryzyko zaćmy, jaskry, uszkodzenia plamki odpowiadającej za ostre widzenie oraz odwarstwienia siatkówki. Niektóre z tych schorzeń można spowolnić lub leczyć, jeśli zostaną wykryte wcześnie, jednak wiele osób z wysoką krótkowzrocznością nie poddaje się regularnym badaniom specjalistycznym. Zaawansowane narzędzia obrazowania, takie jak optyczna koherentna tomografia, dają szczegółowy obraz oka, lecz są kosztowne, wymagają wyszkolonego personelu i są rzadkie w wielu regionach. W efekcie wiele niebezpiecznych zmian w oku zostaje przeoczonych, dopóki wzrok nie zostanie poważnie naruszony.

Poszukiwanie wskazówek w codziennych badaniach krwi

Naukowcy zastanawiali się, czy informacje zbierane już podczas standardowych badań kontrolnych mogą pomóc. Rutynowe badania krwi są tanie, szeroko dostępne i wykonywane miliony razy dziennie w celu monitorowania stanu zdrowia. Wcześniejsze prace sugerowały, że pewne markery krwi związane z zapaleniem, metabolizmem i krzepnięciem są skorelowane z chorobami oczu. W tym badaniu zespół zebrał dane od ponad 10 000 osób z wysoką krótkowzrocznością leczonych w pięciu szpitalach w Chinach. Część nie miała dalszych problemów; inni mieli jedno z pięciu głównych powikłań: zaćmę, zwyrodnienie plamki, nieprawidłowe nowe naczynia pod siatkówką, jaskrę lub odwarstwienie siatkówki. Dla każdej osoby 61 powszechnych wyników laboratoryjnych — w tym rodzaje białych krwinek, poziomy tłuszczów i miary krzepnięcia — zostało wprowadzonych do różnych algorytmów uczenia maszynowego, aby sprawdzić, czy wzorce w krwi potrafią odróżnić osoby z powikłaniami od tych bez nich.

Dziewięć liczb tworzących odcisk palca ryzyka dla oka

Wśród wielu testowanych algorytmów szczególnie dobrze sprawdzał się model typu random forest. Co godne uwagi, model nie potrzebował wszystkich 61 pomiarów. Po starannym doborze cech zestaw zaledwie dziewięciu rutynowo mierzonych markerów — głównie niektórych komórek układu odpornościowego (eozynofile i bazofile oraz ich procenty), płytki krwi, kwas moczowy oraz lipidy krwi takie jak trójglicerydy i apolipoproteina B — uchwycił niemal całą moc predykcyjną. Te markery pasują do obecnej wiedzy o tym, jak zapalenie, lipidy krwi i krzepnięcie przyczyniają się do uszkodzeń oka w wysokiej krótkowzroczności. Korzystając tylko z tych dziewięciu wartości, model poprawnie rozdzielał przypadki proste od skomplikowanych z bardzo wysoką dokładnością w pierwotnej kohorcie szpitalnej, a jego wydajność pozostała wysoka podczas testów w dwóch dodatkowych grupach szpitalnych.

Od modelu komputerowego do badań przesiewowych w praktyce

Aby sprawdzić, czy podejście to może działać w codziennej praktyce, badacze osadzili model oparty na dziewięciu markerach w prostej aplikacji webowej, z której klinicyści mogą korzystać w czasie pobierania krwi. W prospektywnym badaniu szpitalnym obejmującym ponad 4 500 osób z wysoką krótkowzrocznością narzędzie oznaczyło niektórych jako wysokiego ryzyka, a innych jako niskiego. Gdy ci pacjenci później przeszli szczegółowe badania okulistyczne, osoby oznaczone jako wysokiego ryzyka znacznie częściej miały faktyczne powikłanie, a model przeoczył stosunkowo niewiele przypadków. Zespół następnie przeniósł się do społeczności, stosując model wobec prawie 1 900 osób z wysoką krótkowzrocznością wyłonionych spośród ponad 300 000 dorosłych biorących udział w rutynowych badaniach zdrowotnych. Spośród tych, których model oznaczył jako wysokiego ryzyka i którzy zgodzili się na dalsze badania okulistyczne, prawie trzy na cztery osoby potwierdziły poważne powikłanie — znacznie więcej niż można by oczekiwać przy masowym, bezkierunkowym kierowaniu na dalsze badania.

Co to może znaczyć dla pacjentów i systemów opieki

Badanie sugeruje, że coś tak prostego jak standardowy panel krwi, interpretowany za pomocą starannie wytrenowanego algorytmu, może działać jako system wczesnego ostrzegania przed groźnymi chorobami oczu u osób z wysoką krótkowzrocznością. Nie zastępuje to specjalistycznego obrazowania ani badania okulistycznego; zamiast tego pomaga zdecydować, kto pilnie potrzebuje tej ograniczonej uwagi. W warunkach, gdzie sprzęt okulistyczny i specjaliści są ograniczeni, narzędzie triage oparte na krwi mogłoby uczynić badania przesiewowe bardziej praktycznymi i opłacalnymi, wykrywając wiele przypadków wcześniej i unikając niepotrzebnych skierowań. Jeśli zostanie to zweryfikowane w większej liczbie krajów i dopracowane w celu zmniejszenia liczby przeoczonych przypadków i fałszywych alarmów, podejście to mogłoby stać się skalowalnym sposobem ochrony wzroku przy użyciu badań, które już są częścią rutynowej opieki.

Cytowanie: Li, S., Ren, J., Wang, F. et al. Routine blood tests and machine learning identify complications in high myopia. Nat Commun 17, 3930 (2026). https://doi.org/10.1038/s41467-026-70891-5

Słowa kluczowe: wysoka krótkowzroczność, badania wzroku, uczenie maszynowe, biomarkery we krwi, powikłania okulistyczne