PRER顶刊综述解读：眼科影像检查在反映全身血管炎症中的作用｜前沿文献｜Janus Notes

大家好，我是Janus，也可以叫我JanusBanana～

自己最近在翻阅文献时，看到一篇发表在Progress in Retinal and Eye Research上的综述，系统梳理了视网膜血管成像在炎症性疾病中的应用。

这篇综述让我重新思考了一个问题：眼科影像检查对于非眼科医生来说，到底意味着什么？

许多医生可能认为眼底检查就是看看有没有高血压视网膜病变或糖尿病视网膜病变。但实际上，视网膜作为中枢神经系统的延伸，其微血管变化可以反映全身多个系统的病理状态。以下是自己对这篇综述核心内容的梳理，希望对大家有所帮助。

个人水平有限，请前辈多多批评指正，也可以转发给可能有需要的同学，谢谢！

#1 为什么视网膜能够反映全身炎症状态？

视网膜是人体唯一可以直接观察微循环的部位。微血管由内皮细胞、周细胞和基底膜构成，这些结构在全身各器官中高度一致。炎症因子、氧化应激和内皮功能障碍等病理过程，在视网膜微血管和心、脑、肾等器官的微血管中表现出相似的变化模式。

具体来说，可能有以下几个机制：

- 视网膜血管与脑小血管具有相同的胚胎起源，两者的内皮细胞共享大量转录组特征。

- 内皮功能障碍导致的一氧化氮（NO）生物利用度下降、内皮素-1（ET-1）升高，在视网膜和冠脉微循环中都可检测到。

- 慢性炎症状态下，白细胞黏附分子（VCAM-1、ICAM-1）上调，首先在毛细血管后微静脉发生白细胞滚动和黏附，这种变化在视网膜静脉管径增宽中可以得到体现。

简而言之，视网膜微血管的变化不是孤立事件，而是全身微血管健康状态的缩影。

#2 常用的视网膜影像检查有哪些？

目前主要有三种技术手段，它们的侧重点各不相同：

##2.1 静态视网膜血管分析（SVA）

通过眼底照片量化视网膜动静脉直径，计算中央视网膜动脉等效值（CRAE）、中央视网膜静脉等效值（CRVE）和动静脉比值（AVR）。这些参数在大规模人群研究中已被证实与心血管事件和全因死亡率相关。

##2.2 动态视网膜血管分析（DVA）

在闪烁光刺激下实时测量视网膜血管直径变化。健康的血管在光刺激后会扩张，这种扩张主要依赖NO介导的内皮功能。如果血管扩张反应减弱，往往提示内皮功能障碍。DVA的优势在于能够评估血管的功能状态而非仅仅结构。

##2.3 光学相干断层扫描血管成像（OCTA）

无需造影剂即可分层显示视网膜和脉络膜微血管结构，可以量化血管密度、灌注密度和黄斑无血管区面积等指标。OCTA能够捕捉到毛细血管水平的微血管改变，这在传统眼底照片中是无法实现的。

##2.4 自适应光学（AO）

通过校正光学像差实现细胞级别分辨率，可以直接测量视网膜小动脉壁厚度和壁腔比。壁腔比升高通常提示微血管重构，与高血压、糖尿病等疾病相关。

#3 各系统疾病中，视网膜影像有什么表现？

心血管疾病领域的研究证据最为充分，这里重点说几个临床场景。

高血压患者中，SVA表现为视网膜小动脉缩窄，这种缩窄在血压升高早期即可出现。DVA则显示动脉闪烁光诱导扩张反应减弱。值得注意的一点是，在高血压早期，功能性缩窄状态下如果内皮功能尚存，FID反应可能反而增强。随着疾病进展，血管重构和内皮功能障碍共同导致FID显著下降。因此，联合解读SVA和DVA结果比单一指标更有价值。

糖尿病患者的视网膜血管变化呈现阶段性特征。早期高血糖会损害小动脉肌源性收缩，导致动脉代偿性扩张（CRAE增加），此时FID反应已经减弱。随着疾病进展，炎症和氧化应激加剧，最终导致小动脉缩窄和静脉增宽。这种从功能性代偿到结构性损伤的演变过程，在临床随访中需要特别关注。

在心力衰竭和冠心病方面，人群队列研究显示小动脉缩窄和小静脉增宽均与事件风险增加有关。特别是在女性患者中，静脉增宽与心衰和左室肥厚的关联更为显著。终末期肾病透析患者中，SVA参数可能因为贫血、炎症、容量负荷等多重因素相互抵消而表现“正常”，但DVA显示的FID显著降低，且vFID降低能够独立预测全因死亡率。

神经退行性疾病方面，阿尔茨海默病（AD）患者的SVA结果存在较大异质性，这可能与疾病阶段、共病情况和药物使用等因素有关。DVA研究虽然数量有限，但一致提示神经血管耦合受损。一些研究还发现，血管反应的时间动力学参数（如达峰时间、恢复时间）比单纯的扩张幅度更能反映疾病状态，这与β-淀粉样蛋白清除假说相吻合。

自身免疫性疾病和罕见病中，类风湿关节炎患者主要表现以静脉增宽为主，这种改变独立于传统心血管危险因素。法布雷病患者则以血管迂曲为特征性表现，这可能是早期血流动力学改变和内皮功能障碍的结构性后果。

病毒感染方面，急性COVID-19期间视网膜血管呈现扩张趋势，推测与炎症因子风暴和代偿性充血有关。在COVID后综合征（PCS）患者中，则表现为小动脉缩窄和静脉FID受损，提示内皮功能障碍持续存在。

#4 可改变的生活方式因素对RVA有什么影响？

这不是一个静态指标。运动干预研究中，规律体力活动与更宽的动脉管径、更窄的静脉管径和更高的AVR相关。随机对照试验进一步证实，结构性训练计划能够诱导视网膜血管管径的可测性改变。DVA方面也观察到运动训练后FID增强，提示内皮功能改善。

膳食因素的影响相对复杂，但总体趋势是健康的膳食模式和血管保护性营养素摄入与更有利的视网膜血管表型相关。吸烟则与静脉增宽明确相关，推测与吸烟相关的系统性炎症和内皮功能紊乱有关。

#5 人工智能在这个领域能做什么？

视网膜影像数据量大、特征维度高，非常适合引入自动化分析。

- 图像质量控制和伪影去除：深度学习算法可以实时检测图像伪影，提醒操作者调整或重新采集。生成式模型甚至可以修复部分伪影区域，减少数据浪费。

- 精准分割和参数提取：基于深度学习的血管分割模型在低对比度和低分辨率图像中的表现优于传统算法。动静脉分类、分叉点检测、迂曲度量化等任务均可实现自动化。

- 端到端预测：直接从眼底图像预测年龄、性别、血压、血糖等指标，甚至预测心血管事件风险。但需要注意，深度学习模型容易学习到非因果性关联，训练和验证时需要谨慎处理。而且，迄今为止，仍然没有很好的方法能揭开AI模型的“黑箱”，无法理解过程，让很多医生和患者对结果的可信度产生怀疑。

- 多模态数据融合：将SVA、DVA、OCTA、AO数据与基因组、蛋白组、临床指标结合，构建整合性预测模型。这也是很多科研团队做的事情。

#6 目前向临床转化还面临哪些挑战？

尽管证据基础不断积累，但从研究工具到常规临床应用仍有相当距离。

- 混杂因素控制：血压、心率、CO2水平、咖啡因摄入、尼古丁使用、昼夜节律等均会影响RVA参数。标准化检查条件对于结果的可靠性至关重要。最简单的，如果视网膜血管变化太敏感，他作为观测指标的稳定性也会下降。

- 无参考值/正常值：虽然部分人群研究提供了特定年龄段的参考范围，但覆盖不同种族、年龄层的DVA参考值数据库仍然空白。AVR<0.78曾被ARIC研究定义为“危险”阈值，但这一截断值的普适性有限。不同厂家的OCTA、AO等等机器的结果也根本无法进行比较。

- 临床增量价值不明：虽然RVA参数在部分研究中显示对传统风险评估模型有增量预测价值，但在大多数疾病场景中，这种增量价值尚未得到广泛验证。大白话就是不知道对现有措施有什么帮助作用，能帮多少。

- 患者依从性问题：老年、体弱和认知障碍患者可能存在固视不稳、无法维持坐姿、易疲劳等问题，导致检查失败率升高。白内障等屈光间质混浊也会影响图像质量。

一句话小结：视网膜微血管改变是全身炎症和内皮功能障碍的共性表现，掌握RVA的基本原理和临床证据，有助于在多学科协作中更全面地评估炎症性疾病患者的血管健康状态。