双中心127例核性白内障研究：AS-OCT图像特征与LOCS III分级显著相关，自动分级准确率达0.81与0.87
核心概要
这项双中心临床验证研究纳入泰国（n=81）与深圳（n=46）共127例不同严重程度的核性白内障患者，用AS-OCT成像并按LOCS III标准分级，开发自动机器学习模型提取核区标注并分析基于特征的量化指标，发现均值、方差、均方根、四分位距和百分位数等像素特征与核性白内障分级显著相关（P<.01），方差、标准差和中位数一致性高而峰度与偏度呈负相关，预测模型在深圳中心准确率0.81（F1 0.82）、泰国中心0.87（F1 0.83），支持核性白内障的三级严重程度分类及辅助诊断与手术规划。
深度剖析
AS-OCT像素级特征与核性白内障的LOCS III分级显著相关，其中均值、方差、均方根、四分位距和百分位数达到P<.01的显著性。 此前核性白内障分级主要依赖LOCS III这类主观分级标准，本研究把AS-OCT图像中可自动提取的像素统计量与该分级标准建立定量关联。 基于两个临床中心共127例不同严重程度核性白内障患者的AS-OCT图像，全部按LOCS III标准分级后做特征与分级的统计关联分析，报告了P<.01的显著性。
不同特征与分级的一致性方向不同：方差、标准差和中位数一致性高，而峰度和偏度与分级呈负相关。 研究不止给出哪些特征相关，还区分了特征与分级一致性的方向，为后续选择量化指标提供了依据。 来自对上述127例样本的AS-OCT像素特征分析，文中以一致性高低和负相关方向描述结果。
自动机器学习模型可完成核区标注提取，并据此实现核性白内障三级严重程度分类，在两个中心分别达到0.81和0.87的准确率。 把自动核区标注与特征量化结合，形成可跨中心评估的分级流程，而不仅是单中心的特征描述。 在两个独立临床中心分别验证：深圳中心准确率0.81、F1 0.82；泰国中心准确率0.87、F1 0.83。
作者认为自动AS-OCT图像特征在晶状体混浊分级中具有较强一致性，并在核性白内障的辅助诊断和手术规划方面显示出潜力。 把图像特征分析从分级任务延伸到临床辅助诊断与手术规划的应用方向。 结论基于上述双中心特征相关性与分级模型表现，属于临床验证设计下的结果，文中以“potentials are also shown”表述其应用前景。
启示与展望
该研究面向核性白内障（NC）患者，适用于具备AS-OCT检查条件并采用LOCS III分级标准的临床场景，例如白内障门诊的严重程度评估与术前规划讨论。它使后续工作可以在两个中心已验证的自动核区标注与特征量化流程基础上，探索把像素统计特征用于分级辅助；对临床医生而言，这意味着AS-OCT图像除形态观察外还可提供可计算的混浊程度指标。研究结论明确限定在核性白内障与三级严重程度分类范围内。
读者仍会关注：像素特征与分级的相关性在不同设备、不同人群中的稳定性如何；峰度与偏度呈负相关这一方向性结果在更大样本中是否一致；两中心准确率（0.81与0.87）之间的差异是否与人群或采集条件有关。此外，本文为快速解析文本，未包含图表与更细的分级分布信息，因此无法进一步说明各严重程度级别的样本构成与特征分布细节，这些属于有待原文图表补充的开放问题。