竺向佳教授的研究如何助力高度近视人群重见光明？

高度近视研究的新发现

肠道菌群与高度近视的联系

复旦大学竺向佳、卢奕教授团队有重要发现。在当今我国高度近视人群超7000万的背景下，他们发现肠道菌群能影响高度近视的发展。这一发现为高度近视发病机制中肠道微生物群-眼信号轴提供了新见解。而且还提出了通过重塑肠道微生物群和补充3-IAA来干预高度近视发展的新策略，这对高度近视的防治有着潜在的巨大意义。

焦虑与高度近视的关联

竺向佳教授凭借多年临床经验发现高度近视与焦虑相关。在临床看病时，她感觉高度近视患者常很焦虑，通过设计研究让患者做焦虑问卷量表，证实了高度近视患者焦虑水平显著上升。并且通过高度近视小鼠模型和行为学实验，进一步揭示焦虑可能是高度近视全新并发症，CCL2有望成为干预靶点，这让医生在治疗时要关注患者身心健康。

临床与科研的结合

临床经验催生科研想法

竺向佳教授的很多研究源于临床。像发现焦虑和高度近视的关系，就是在临床看病过程中察觉到患者的焦虑情绪，从而设计研究去验证。这种从临床现象出发去挖掘背后机制的方式，是临床医生进行科研的一种有效途径。临床中能获得原始创新想法，再用科研手段解决疑惑，最终回归临床指导实践。

国家对临床科研的支持倾向

国家自然科学基金委在医学科研方面有新的资助倾向。计划今年试点加强临床医学科学家资助力度，为优秀医生单列赛道增加杰青名额。要求申请者既是好医生又有科研兴趣，并且调整评委构成，让更多医生参与评审。这有助于像竺向佳这样临床与科研并行的医生群体更好地开展工作。

AI和数据在手术中的应用

构建智能系统

竺向佳教授积累了大量临床数据并与计算机团队合作。他们建立了高度近视白内障的智能分级和疗效预判系统，还综合构建了智能手术决策系统。这个系统能为医生推荐适宜的治疗方式，如白内障手术、眼底手术等，还能预判术后疗效和评价手术风险。

AI优化计算公式

针对高度近视人工晶状体度数测算困难的痛点，竺向佳携手专家研究出AI的优化计算公式。由于国外公式使用欧美人数据，与亚洲高近视人群有差异，误差大。而他们的公式在国内高度近视群体准确性优于国际金标准，术后误差在±25度以内比例达50%，±50度以内达80%，为人工晶状体应用提供依据。

面上基金支持的现状与建议

年轻医生面临的资助难题

国家自然科学基金有多种项目类型，青年基金项目是很多青年研究者的起步资助。而面上项目在后续申请中难度较大。竺向佳提到年轻医生在申请面上项目时竞争压力大，需要有突出亮点。很多年轻医生青年基金顺利通过，但卡在面上项目，资助断档后很难有持续产出。

关于面上基金的建议

竺向佳建议面上项目进行年龄分层评价。从数据来看，2024年面上项目资助率从2023年的16.99%跌至11.66%。基金委的资助会产生正向循环，获得面上项目后认可度更高，所以多给年轻医生机会很重要，这样有助于年轻医生持续开展科研工作，也有利于推动整个医学科研的发展。

相关问答

竺向佳教授团队关于肠道菌群对高度近视的研究有什么意义？

团队发现肠道菌群能影响高度近视发展，为发病机制提供新见解，还提出干预高度近视发展的新策略，这对寻找高度近视防治方法有重要意义。

竺向佳教授如何发现焦虑与高度近视有关？

竺向佳教授在临床中感觉高度近视患者较焦虑，设计焦虑问卷量表研究，证实患者焦虑水平高，又通过小鼠模型和实验进一步揭示焦虑可能是高度近视并发症。

AI在高度近视白内障手术中有哪些作用？

AI构建了智能分级、疗效预判和手术决策系统，能推荐治疗方式、预判疗效、评价风险，还研究出优化计算公式解决晶状体度数测算困难问题。

国家自然科学基金委对临床医学科学家有哪些新资助倾向？

计划试点加强资助力度，为优秀医生单列赛道增加杰青名额，要求申请者兼具医生和科研者角色，调整评委构成让更多医生参与评审。

为什么竺向佳教授要研究适合国内的AI计算公式？

国外开源公式用欧美人数据，与亚洲高近视人群情况差异大，误差大，而国内公式准确性高，能减少植入晶状体时的危害。

竺向佳教授提出面上基金年龄分层评价的原因是什么？

年轻医生申请面上项目竞争大，易资助断档难有持续产出，且2024年面上项目资助率下降，分层评价可给年轻医生更多机会。