编辑推荐：
在干眼症（DE）研究中，生活方式因素常被忽视。研究人员开展了利用机器学习模型预测 DE 相关临床体征、症状及诊断的研究。结果显示生活方式等因素对预测影响重大，预测准确率各异。该研究强调了这些因素在眼表疾病病因中的重要性，为临床研究和治疗提供参考。
在当今快节奏的生活中，电子设备的广泛使用让人们的眼睛承受着巨大压力，干眼症成为越来越普遍的眼健康问题。一直以来，关于干眼症及相关眼表疾病的研究，大多聚焦于病理机制、诊断工具开发和治疗管理，生活方式因素在多数分析中处于次要地位，即便被提及，也未得到足够重视。然而，近期研究发现，患者的生活方式、行为习惯和风险暴露对干眼症的发生、发展、诊断和治疗都至关重要。为了深入探究其中的奥秘，来自美国加利福尼亚大学伯克利分校等机构的研究人员展开了一项意义重大的研究。该研究成果发表在《Scientific Reports》上，为干眼症的防治提供了全新的思路和方向。
研究人员运用了多种关键技术方法。首先，他们收集了大量参与者的详细信息，包括人口统计学资料、生活方式因素、隐形眼镜佩戴史等，还通过一系列经过验证的问卷对干眼症症状进行评估。接着，对参与者进行全面的眼部生物显微镜检查，测量泪膜、睑板腺等相关指标。最重要的是，利用机器学习模型，将眼部检查数据、症状评分和生活方式等因素相结合，构建预测干眼症相关结局的模型，并通过 5 折交叉验证等方法评估模型的准确性
123。
下面来看具体的研究结果：
- 受试者基本情况：研究使用了 363 名受试者的 726 份临床记录，他们年龄范围在 18 - 71 岁，平均年龄 26.6（12.1）岁，女性占 67.2%，男性占 32.8%；46.8% 为隐形眼镜佩戴者，53.2% 为非佩戴者；43.8% 为亚洲人，56.2% 为非亚洲人4。
- 预测结果：临床体征：研究发现，年龄对多种临床体征的预测影响显著。例如，年龄是眼睑切迹、Marx 线（LoM）前移和荧光素泪膜破裂时间（FTBUT）的重要预测因素。在预测眼睑切迹时，模型准确率达 95.9%，有切迹的受试者平均年龄比无切迹者大 19.6 岁；预测 LoM 前移时，准确率为 86.8%，中重度前移者平均年龄比轻度或无前移者大 6.0 岁。此外，隐形眼镜佩戴时长、近工作时长、酒精摄入、运动时间和户外活动时间等生活方式因素，也与不同的临床体征相关。比如，近工作时间越长，眼睑边缘红斑的发生可能性越高；饮酒量越多，睑脂质量越差56。
- 预测结果：症状：舒适的隐形眼镜佩戴时长是主观症状的重要预测指标。无症状受试者每天舒适佩戴隐形眼镜的时间比有症状者长 0.8 - 4.4 小时。同时，年龄、酒精摄入、乘车和开车时间等也与不同的症状评分相关。例如，开车时间越长，眼部不适症状越严重79。
- 预测结果：诊断：年龄是睑缘炎诊断的重要预测因素，有睑缘炎的受试者平均年龄比无睑缘炎者大 5.4 岁。隐形眼镜佩戴史是睑板腺功能障碍诊断的重要因素；飞机机舱暴露时间则与兔眼症的诊断相关810。
综合研究结果和讨论部分，该研究意义重大。它首次全面地揭示了生活方式因素在干眼症相关结局预测中的重要作用，为临床医生提供了新的诊断和治疗思路。比如，医生在诊断和治疗干眼症患者时，应更加关注患者的生活方式，询问隐形眼镜佩戴习惯、近工作时长、饮酒情况等。不过，研究也存在一定局限性，如部分变量数据集较小，还有很多生活方式因素未纳入研究，研究对象多为年轻健康人群，模型对老年人群的适用性有待进一步验证。但总体而言，这项研究为后续更深入的研究奠定了基础，有望推动眼表疾病领域的发展，让更多人受益。
