糖尿病视网膜病变(diabeticretinopathy,DR)是糖尿病(diabetesmellitus,DM)最为常见的并发症之一[1],并且已经成为全球成年人失明的主要因素之一[2]｡DR可以分为非增殖型糖尿病视网膜病变(non-proliferativediabeticretinopathy,NPDR)与增殖型糖尿病视网膜病变(proliferativediabeticretinopathy,PDR)两期[3-4]｡晚期DR引起的视力丧失会严重影响患者生活质量｡研究显示,早期关注DR的危险因素､通过眼底筛查尽早发现视网膜的异常,可有效预防或延缓DR进展[5-6]｡

扫频源光学相干断层扫描血管成像技术(swept-sourceopticalcoherencetomographyangiography,SS-OCTA)作为一种新型眼底检查技术,能够在无需使用静脉注射造影剂的前提下,快速获取眼底血流信号,并且对视网膜､脉络膜各层间进行量化分析,在眼科疾病诊断中发挥着重要作用[7-8]｡研究表明,视网膜深层毛细血管的血流密度､FAZ面积与DR的进展显著相关[9],可作为DR发生的预测指标｡即使在眼底无糖尿病视网膜病变(non-diabeticretinopathy,NDR)的糖尿病患者中,OCTA仍可观察到视网膜浅层及深层毛细血管血流密度的降低,这说明在DR临床前期已存在眼底微血管的改变[10-11]｡近年来,已有研究提出OCTA可以作为预测DR发展的影像学标志物[12]｡传统OCTA因为扫描范围较小,无法检测周边视网膜脉络膜微血管的变化,因此目前国内外很少有研究早期DR与超广域SS-OCTA(ultra-widefieldswept-sourceopticalcoherencetomographyangiography,UWF-SS-OCTA)血流参数关系的研究｡UWF-SS-OCTA具有扫描范围广､穿透深度深的特点,可以直接对脉络膜毛细血管及中大血管密度､脉络膜血管指数(choroidalvascularindex,CVI)等指标进行量化｡随着24mm×20mmUWF-SS-OCTA技术的引入,对DR的管理可能会迎来新的转折点[13]｡临床预测模型是一个基于患者临床症状､体征等已知信息来推断其未知疾病状况的工具｡本次研究拟构建一个基于UWF-SS-OCTA的DR临床预测模型,筛查与DR相关的危险因素,为早期DR的筛查工作提供临床依据｡

1､对象和方法

1.1对象

选取2024年7月至2024年11月于徐州医科大学附属医院就诊的2型糖尿病患者共235例235眼作为研究对象,收集研究对象的一般项目及实验室检查､眼科检查､OCTA数据｡根据患者是否合并DR分为无DR(NDR组)120例120眼与非增殖型DR(NPDR组)115例115眼｡NPDR诊断标准:(1)诊断为2型糖尿病;(2)散瞳后行眼底镜检查､扫描激光眼底照相､荧光素眼底血管造影检查,符合2014年中华医学会眼科学分会眼底病学组[14]提出的NPDR分期方法｡纳入标准:(1)符合2型糖尿病或(和)NPDR的诊断标准;(2)视网膜各层结构清晰;(3)年龄18-70岁｡排除标准:(1)增殖型糖尿病视网膜病变(PDR);(2)角膜､晶状体等屈光介质混浊严重影响眼底检查者;(3)患有其他视网膜疾病者,如视网膜静脉阻塞､视网膜动脉阻塞､高血压视网膜病变者;(4)曾行视网膜激光光凝或抗VEGF术治疗､内眼手术者(白内障手术除外);(5)OCT显示视网膜明显水肿､黄斑水肿､黄斑前膜､视网膜脱离者;(6)患有严重的全身性疾病,如严重的心血管､肿瘤或中风者;(7)无法理解或配合相关检查者;(8)成像质量差,OCTA图像评分<8分者｡本研究通过徐州医科大学附属医院伦理委员会批准(批准号:XYFY2024-KL299-01),所有参与者均签署知情同意书｡

1.2方法

1.2.1一般项目及实验室检查

参与者签署知情同意书后,采集患者基本信息｡采集内容包括性别､年龄､糖尿病病程､高血压病史等一般情况｡采集患者清晨静脉血,检测实验室项目:空腹血糖(fastingplasmaglucose,FPG)､糖化血红蛋白(glycatedhemoglobin,HbA1c)､甘油三酯(triglyceride,TG)､总胆固醇(totalcholesterol,TC)､低密度脂蛋白(low-densitylipoprotein,LDL)､高密度脂蛋白(high-densitylipoprotein,HDL)､血尿素氮(bloodureanitrogen,BUN)､血清肌酐(serumcreatinine,SCr)等一般资料｡

1.2.2眼科检查

检查患者的裸眼及最佳矫正视力､眼压､裂隙灯检查眼前节､眼底镜检查､眼底照相等相关眼科检查｡所有的眼科检查均由同一位有经验的眼科医生进行｡

1.2.3OCTA检查

采用型号为BMLite的UWF-SS-OCTA,该设备实际扫描速度:400000Ascan/s,波长1060nm,单次血流成像最大范围:24mm×20mm,血流成像分辨率:1536×1280,单张血流采集点数1966080个｡使用0.5%复方托吡卡胺滴眼液充分散瞳后,选择该设备的OCTA模式,成像范围为:24mm×20mm,对所有患者进行扫描｡检查前告知患者注意事项,嘱患者注视固视目标即绿色“十”字标记,告知患者尽量不眨眼､不转动眼睛｡检查过程中医师缓慢推进扫描镜头,调整镜头使瞳孔位置位于影像中央,根据患者屈光状态进行对焦,使显示屏上呈现清晰的眼底图像,摄取清晰且连续的图像并保存｡图像评分>8分者被予以采纳｡所有患者均行双眼检查(每例患者选择符合纳排标准的患眼入组,若双眼均可入组,则选择右眼入组)｡扫描结束后,检查医师嘱患者闭上双眼休息｡由两位眼科医师进行阅片,获得的OCTA图像自动分割成:浅层视网膜血管层(superficialcapillaryplexus,SCP)､深层视网膜血管层(deepcapillaryplexus,DCP)､脉络膜毛细血管层(choroidalcapillary,CC)､脉络膜中大血管层(mediumandlargechoroidalvessels,MLCV)共4个层面｡其中,SCP定义为内界膜-内丛状层的视网膜,其厚度为浅层视网膜厚度(superficialretinalthickness,SRT);DCP定义为内丛状层-外丛状层的视网膜,其厚度为深层视网膜厚度(deepretinalthickness,DRT);CC定义为Bruch膜-Bruch膜下29μm的脉络膜;MLCV定义为Bruch膜下29μm-脉络膜巩膜交界层的脉络膜｡观察指标包括SCP､DCP､CC､MLCV的血流密度､SRT､DRT､脉络膜厚度(choroidalthickness,CT)及CVI｡其中,CT为CC和MLCV层的总厚度｡血流密度的定义为单位面积内血管面积与单位面积的比值｡CVI的定义为脉络膜中大血管体积与脉络膜总体积的比值｡

统计学分析:采用SPSS26.0和R4.1.2对数据进行统计分析｡计量资料采用Shapiro-Wilk进行正态性检验,符合正态分布的均采用均数±标准差(x±s)表示,组间比较采用独立样本t检验｡不符合正态分布的资料均采用中位数(四分位数)表示,组间比较采用Mann-WhitneyU检验｡计数资料均采用n(%)表示,组间比较采用χ2检验｡采用Logistic回归分析影响糖尿病患者发生DR的相关因素,并建立预测NPDR的模型,绘制诺莫图,采用Bootstrap抽样1000次对模型进行内部验证,Hosmer-Lemeshow检验对模型的拟合优度进行检验｡采用ROC曲线､校准曲线､DCA曲线评价模型的效能｡以P<0.05为差异有统计学意义｡

2､结果

2.1NDR组与NPDR组患者临床资料比较

两组患者性别､年龄､LDL-C､HDL-C､SCP､DCP､CC､SRT､DRT､HbA1c､TG､TC､SCr比较差异无统计学意义(均P>0.05),NPDR组空腹血糖､有高血压病史人数所占比例､糖尿病病程､BUN､CT均明显高于NDR组,MLCV､CVI均明显低于NDR组,差异有统计学意义(均P<0.05),见表1｡

2.2影响糖尿病患者发生DR的多因素Logistic回归

以糖尿病患者是否发生DR为因变量(NDR=0,NPDR=1),以单因素分析中有统计学意义的变量为自变量(包括糖尿病病程､空腹血糖､BUN､高血压病史､MLCV､CVI､CT),采用向前条件法建立Logistic回归模型(纳入标准为0.05),结果显示糖尿病病程､空腹血糖､BUN､高血压病史､CVI在模型中有统计学意义(均P<0.05),其中糖尿病病程､空腹血糖､BUN､高血压病史为影响糖尿病患者发生DR的危险因素(均OR>1),CVI为影响糖尿病患者发生DR的保护因素(OR<1),即糖尿病病程越长､空腹血糖越高､BUN越高､合并高血压病史､CVI越低的糖尿病患者发生DR的风险越大,见表2｡建立预测DR的Logistic回归模型:Ln(P/1-P)=0.263×糖尿病病程+0.212×空腹血糖+0.616×BUN+0.989×高血压病史(有=1,无=0)-0.558×CVI+10.995,见图1｡

表1两组间临床资料比较

表2影响糖尿病患者发生DR的多因素Logistic回归

图1预测DR的logistic回归Nomogram图｡

图2DR预测模型的ROC曲线及校准曲线

2.3预测模型的ROC曲线及校准曲线

模型的ROC曲线及校准曲线见图2｡按照已建立的Logistic回归模型计算联合概率,并绘制ROC曲线,DR预测模型的曲线下面积为0.898(0.859-0.938),诊断阈值为0.438,对应灵敏度为87.8%､特异度为78.3%,说明该模型预测DR的价值较高｡采用Bootstrap法重复抽样1000次对模型的拟合优度进行检验,模型拟合优度检验Hosmer-Lemeshow结果显示,χ2=4.700,P=0.789,说明模型区分度较好｡

2.4预测模型的DCA曲线

模型的DCA曲线见图3,该模型的DCA曲线可以看出,模型的预测效果较好｡

3､讨论

近年来,DR的患病率逐年提升｡探查DR发生的危险因素,做到对DR早干预､早防治变得尤为重要｡目前,有研究表明,高血糖刺激氧化应激反应加速[15],导致视网膜细胞氧代谢异常,从而触发视网膜微血管的异常[16]｡视网膜依赖于视网膜与脉络膜血管系统的共同滋养,其中脉络膜负责供给外层视网膜､光感受器及色素上皮层[17],视网膜循环支撑内层视网膜｡因此,在糖尿病的早期阶段,往往更易出现脉络膜循环灌注的异常情况,这些变化随后影响到视网膜的氧代谢[18]｡

在一项应用超广角OCTA探讨NDR患者中､外周视网膜及脉络膜改变的研究中,Zhao等[19]发现NDR患者较正常对照组MLCV血流密度呈现降低趋势｡同样,一项专门探究NDR患者脉络膜变化的研究发现,在24mm×20mm范围内,患者的MLCV血流密度较正常对照组出现显著下降,同时发现CC血流密度在两组间并未出现显著差异[20]｡以上两组研究都是探究了NDR组与正常对照组之间脉络膜MLCV的血流变化,并且得出了一致的结果,即在未发现DR眼底改变的糖尿病患者中,MLCV血流密度已出现具有统计学意义的下降｡在本研究中,NPDR组的MLCV血流密度显著低于NDR组,而CC血流密度在两组间未见显著差异,因此我们推测,在DR早期,当CC血流密度未发生明显改变时,MLCV血流密度已显著降低｡提示早期DR患者存在脉络膜病变,且脉络膜中大血管层血流降低先于毛细血管层｡

齐志昊[21]的研究表明,NDR组和NPDR组患者CC层血流密度无明显统计学差异,这与我们的研究结果一致｡然而,一项基于OCTA扫描范围为6mm×6mm定量分析糖尿病患者黄斑区SCP､DCP､CC血流密度变化情况的研究显示,DR组SCP､DCP､CC的血流密度较NDR组均降低[22]｡Wang等[23]也发现,黄斑区CC灌注量可以作为评估DR严重程度的生物标记物｡故脉络膜血流循环障碍可能参与了DR的发病机制,但CC血流密度在DR疾病进展中的作用仍存在争议,不同的结果可能与OCTA扫描范围不同､样本量不同､患者DR分期不同等因素有关,今后我们将细化扫描范围､扩大样本量,对此问题进行更深入地研究｡

Jing等[24]在研究DR不同分期的CT变化时,发现相较于NDR和PDR组,NPDR的CT更厚(P=0.014),这与我们的研究结果大致相同｡Kim等[25]的研究得出相似的结果,将NDR与NPDR､PDR组CT作对比,发现NPDR组的CT较NDR组增加,后随着DR的进展,CT呈减少趋势｡Muir等[26]的动物模型显示,脉络膜血流缺失可能是DR早期的病理变化｡故Kim等[25]推测早期DR脉络膜增厚的原因是脉络膜基质的增厚,血管成分并不参与其中｡然而,Kim等[27]却得出了不同的结论,随着DR的进展,CT呈持续增加的趋势,他们推测,视网膜缺氧可能导致了血管内皮细胞因子(如VEGF)等细胞因子的增加,进而促使脉络膜血流量增大以及血管扩张,最终导致了脉络膜血管层的增厚｡但Laíns等[28]的研究指出,随着DR进展,CT显著降低,这可能与脉络膜血管萎缩及血流量减少有关｡综上表明,CT似乎不是预测DR发展的稳定参数｡脉络膜具有内在的动态变化,不同的检查时间､输注甘露醇､服用咖啡等因素都可以影响脉络膜厚度变化[29],这可能是导致在多个研究中得到不同结果的原因｡

CVI定义为脉络膜中大血管体积与脉络膜总体积的比值,能够更准确地反映脉络膜中血管或间质成分在病理状态下的相对变化[30]｡CT的增加可能源于脉管系统､基质组织或两者的共同增加,单纯测量CT并不能明确脉络膜厚度的改变是由于脉络膜血管或是间质的变化所导致的[30-31]｡相较于CT,CVI受生理因素影响较小,因此CVI被认为是评估脉络膜血管更稳定､可靠的标志[25]｡以前的研究大多依赖手动测量OCT获取的脉络膜横截面,以获取CVI等相关参数,但在我们的研究中,通过UWF-SS-OCTA机器自动获取脉络膜中大血管体积和脉络膜总体积以计算CVI值｡本研究发现NPDR组CVI显著低于NDR组,CVI为影响糖尿病患者发生DR的保护因素,即CVI值越高,糖尿病患者眼底患DR的风险就越低｡土耳其的Keskin等[32]得出了相似的结论,与健康对照组相比,DR组的CVI较低,CVI可被视为DR发病的早期敏感生物标志物,他们的研究首次确定了能够预测DR发展且具有临床意义的CVI临界值,故临床医生可以通过CVI值,更全面地评估患者发生DR的概率,并及时给予干预｡Jing等[24]分析了DR不同分期的CVI与最佳矫正视力(BCVA)的相关性,发现CVI与BCVA呈正相关,且CVI随DR病程延长而降低,这提示CVI可能是监测DR进展的可靠影像学生物标志物｡

既往有研究指出,SCP(去除大血管)和DCP是DR发病的独立危险因素[26]｡SCP､DCP的血流密度随着DR的进展而减少｡张煜等[16]研究也发现,NDR患者的视网膜浅层､深层血流灌注均出现不同程度的下降,且视网膜血流变化集中在深层血管复合体｡同样,谭心格等[22]在研究DR患者黄斑区视网膜脉络膜血流密度变化中发现,DCP识别DR严重程度的能力优于SCP和CC,这可能与视网膜深层毛细血管对缺氧更加敏感有关｡然而,我们的研究显示NDR组和NPDR组的SCP､DCP血流密度在24mm×20mm范围内并无明显统计学差异｡出现不同结果可能与样本量不足､OCTA检测仪器不同､扫描范围不同等原因所致,今后将扩大样本量,细化扫描范围,进行更深入地研究｡本研究中两组间SRT､DRT未发现明显差异,这与齐志昊[21]的研究结果相似｡推测与早期DR发生时,外层脉络膜会代偿血供,导致厚度变化较晚所致｡

较长的糖尿病病程､高血压病史是目前公认的糖尿病患者并发DR的最主要的危险因素[33],我们的研究结果与之相吻合｡在临床上,空腹血糖是临床上评估患者血糖控制情况最直接､最常用的指标,HbA1c的表达水平能有效反映糖尿病患者近3mo的血糖控制情况[34],我们的研究结果显示,空腹血糖升高是糖尿病患者发生DR的危险因素,这与赖丽平等[35]的结论相似｡空腹血糖水平受患者饮食､运动及降糖药物等情况的影响,而我们的研究仅采用患者随机1d的空腹血糖进行分析,存在一定的选择偏倚,故所得结论还需要今后更多研究进行论证｡已有研究指出,肾功能下降是DR发生的危险因素[36],我们的研究指出BUN的升高为DR发生的危险因素,这与赵颖等[37]的研究结果相似｡BUN的上升代表了肾功能指标的异常,故在临床上,对于肾功能指标异常的患者,应该尽早进行眼底检查,并进行随访｡

杨雄一等[38]构建的DR临床预测模型通过引入6mm×6mmOCTA扫描范围内的外层血管密度,显著提升了模型的有效性｡本研究同样聚焦DR患者的OCTA指标,在更广的扫描范围内,发现了DR患者脉络膜血管指数的显著改变,结合与DR相关的影响因素,构建DR临床预测模型,对DR的发生具有一定的预测价值,并通过校准曲线和DCA曲线验证了其良好的预测准确性及显著的临床使用价值｡本研究的局限性在于:(1)作为一项单中心研究､样本量过小､尚未进行外部验证,未来希望通过多中心合作､扩大样本量以进一步验证模型表现;(2)研究属于横断面研究,未能研究出DR与眼底微血管改变的因果关系;(3)未细分轻､中､重度NPDR患者,未纳入PDR患者入组;(4)未细化OCTA扫描范围｡望今后的研究中可以扩大样本量､进行多中心临床研究,并细化OCTA扫描范围,以便对糖尿病患者的眼底微血管变化进行更详尽的分析｡

参考文献:

[4]付梅,陈长征,蒋婧文,等.糖尿病视网膜病变分级与视网膜缺血的相关性分析.中华眼底病杂志,2021,37(10):784-789.

[5]陆锦昆,潘海林,苏宏业,等.瑞舒伐他汀联合依帕司他治疗2型糖尿病早期视网膜病变的疗效及对血清IGF-1､BNP､HbA1c水平的影响.中国老年学杂志,2018,38(9):2087-2089.

[6]支雪涵,刘海伟.«2023年欧洲心脏病学会糖尿病和心血管疾病管理指南»更新解读.临床军医杂志,2023,51(10):1000-1002.

[13]董文韬,刘三梅,李杰,等.增生早期糖尿病视网膜病变患者视网膜及视盘新生血管的超广角OCTA与FFA检测结果对比分析.眼科新进展,2023,43(4):294-297.

[14]中华医学会眼科学会眼底病学组.我国糖尿病视网膜病变临床诊疗指南(2014年).中华眼科杂志,2014,50(11):851-865.

[15]刘秋平,刘昭麟,李晶明.糖尿病视网膜病变发病机制及潜在治疗靶点研究最新进展.眼科新进展,2024,44(10):757-768.

[16]张煜,庞淑度,雷艳芸,等.应用光学相干断层扫描研究1型糖尿病患者视网膜及脉络膜的血流变化.中华眼视光学与视觉科学杂志,2024,26(1):30-37.

[21]齐志昊.早期糖尿病视网膜病变患者视网膜及脉络膜超广角SS-OCTA特征分析.山东大学,2023.

[22]谭心格,高自清.基于OCTA观察眼底不同分期的2型糖尿病患者黄斑区脉络膜及视网膜血流密度变化.眼科新进展,2023,43(3):230-233.

基金资助:江苏省中医药科技发展计划项目(No.QN202330)~~;

文章来源:刘昕舒,史灿灿,于晴,等.基于UWF-SS-OCTA构建糖尿病视网膜病变的临床预测模型[J].国际眼科杂志,2025,25(06):999-1004.