Rutinstest i blodet och maskininlärning identifierar komplikationer vid hög myopi

Varför ett enkelt blodprov kan hjälpa rädda synen

Många vet att stark närsynthet kan kräva tjockare glasögon. Färre inser att det också kan skada ögat tyst, vilket leder till katarakt, glaukom, näthinneavlossning och andra problem som kan ge bestående synförlust. Utrustningen som behövs för att upptäcka dessa komplikationer—specialiserade ögonkameror och skannrar—är dyr och ojämnt tillgänglig, särskilt utanför större sjukhus. Denna studie undersöker ett överraskande alternativ: att använda resultat från rutinmässiga blodprover, i kombination med maskininlärning, för att flagga personer med hög myopi som kan utveckla allvarliga ögonkomplikationer långt innan symtom uppträder.

Från vanligt ögonproblem till tyst hot

Hög myopi, vanligen definierad som mycket stark närsynthet, blir allt vanligare globalt. Utöver suddig syn på långt håll töjer och förtunnar det ögat, vilket ökar risken för katarakt, glaukom, skador på den ljuskänsliga makulan och näthinneavlossning. Vissa av dessa tillstånd kan bromsas eller behandlas om de upptäcks tidigt, men många med hög myopi får inte regelbundna specialistundersökningar av ögonen. Avancerade bildgivande verktyg som optisk koherenstomografi ger detaljerade bilder av ögat, men de är kostsamma, kräver utbildad personal och är sällsynta i många regioner. Som ett resultat missas många farliga förändringar tills synen redan är kraftigt påverkad.

Letar efter ledtrådar i vardagliga blodprov

Forskarna undrade om information som redan samlas in vid standardhälsokontroller kunde hjälpa. Rutinkontroller av blodet är billiga, allmänt tillgängliga och utförs miljontals gånger dagligen för att övervaka allmän hälsa. Tidigare arbete antydde att vissa blodmarkörer för inflammation, ämnesomsättning och koagulation är kopplade till ögonsjukdomar. I denna studie samlade teamet data från mer än 10 000 personer med hög myopi som vårdades vid fem sjukhus i Kina. Vissa hade inga ytterligare problem; andra hade en av fem stora komplikationer: katarakt, makuladegeneration, onormala nya blodkärl under näthinnan, glaukom eller näthinneavlossning. För varje person matades 61 vanliga laboratoriemätningar—inklusive typer av vita blodkroppar, fettvärden och koagulationsmått—in i en rad maskininlärningsalgoritmer för att se om mönster i blodet kunde skilja de med komplikationer från de utan.

Fingeravtryck av nio tal för ögonrisk

Bland många testade algoritmer presterade en typ av modell kallad random forest särskilt väl. Anmärkningsvärt var att modellen inte behövde alla 61 mätningar. Efter noggrann urval av funktioner (feature selection) fångade en uppsättning av bara nio rutinmässigt mätta markörer—främst vissa immunceller (eosinofiler och basofiler och deras andelar), trombocyter, urinsyra och blodfetter såsom triglycerider och apolipoprotein B—nästan all den prediktiva kraften. Dessa markörer stämmer med vad som är känt om hur inflammation, blodlipider och koagulation bidrar till ögonskador vid hög myopi. Genom att använda endast dessa nio värden separerade modellen korrekt okomplicerad från komplicerad hög myopi med mycket hög noggrannhet i den ursprungliga sjukhuskoorten, och dess prestanda förblev stark när den testades i två ytterligare sjukhusgrupper.

Från datormodell till verklig screening

För att se om detta tillvägagångssätt kunde fungera i vardagspraktik byggde forskarna in nio-markörsmodellen i en enkel webbapp som kliniker kan använda i samband med blodprovstagning. I en prospektiv sjukhusstudie med mer än 4 500 personer med hög myopi klassade verktyget vissa som högrisk och andra som lågrisk. När dessa patienter senare genomgick detaljerade ögonundersökningar var de som flaggades som högrisk mycket mer benägna att ha en verklig komplikation, och modellen missade relativt få fall. Teamet gick sedan ut i samhället och tillämpade modellen på nästan 1 900 personer med hög myopi identifierade bland över 300 000 vuxna som deltog i rutinmässiga hälsokontroller. Bland dem som modellen markerade som högrisk och som gick med på vidare ögonundersökningar bekräftades nästan tre av fyra ha en allvarlig komplikation—betydligt högre än vad som skulle förväntas vid slentrianmässiga remisser.

Vad detta kan innebära för patienter och vårdsystem

Studien tyder på att något så enkelt som ett standardblodpanel, tolkat genom en noggrant tränad algoritm, kan fungera som ett tidigt varningssystem för farlig ögonsjukdom hos personer med hög myopi. Detta ersätter inte specialistisk ögonbildning eller undersökning; istället hjälper det till att avgöra vem som mest akut behöver den knappa expertisen. I miljöer där ögonutrustning och specialister är begränsade kan ett sådant blodbaserat triageverktyg göra populationsscreening mer praktisk och prisvärd, fånga många fall tidigare samtidigt som onödiga remisser undviks. Om metoden valideras i fler länder och förfinas för att minska missade fall och falska larm, kan detta tillvägagångssätt bli en skalbar metod för att skydda synen med tester som redan ingår i rutinvården.

Citering: 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

Nyckelord: hög myopi, synscreening, maskininlärning, blodmarkörer, ögonkomplikationer