應用OCT和OCTA技術測量視網膜定量參數在糖尿病性視網膜病變診治中的研究進展

[摘要]糖尿病常導致患者視網膜結構異常，進而引發(fā)糖尿病性視網膜病變（diabeticretinopathy，DR）。近年來，光學相干斷層成像（opticalcoherencetomography，OCT）和光學相干斷層掃描血管成像（opticalcoherencetomographyangiography，OCTA）技術逐漸興起，因其具有分辨率高、使用快速簡便及可量化相關參數等優(yōu)勢而廣泛應用于臨床。OCT和OCTA技術可檢測DR患者的早期神經退行性改變及微血管變化等，其已成為觀察視網膜結構變化的重要手段，對DR的臨床診治有重要指導意義。本文綜述應用OCT和OCTA技術測量視網膜定量參數在糖尿病性視網膜病變診治中的研究進展，以期為DR的早期診斷及療效評估提供參考依據。

[關鍵詞]糖尿病性視網膜病變；光學相干斷層成像技術；光學相干斷層掃描血管成像技術；視網膜

[中圖分類號]R774.1[文獻標識碼]A[DOI]10.3969/j.issn.1673-9701.2024.32.029

糖尿病（diabetesmellitus，DM）作為一種常見的慢性疾病，其全球患病率呈持續(xù)增長趨勢。統(tǒng)計數據顯示，2019年全球DM患病率約為9.3%，預計到2045年，其患病率將達到10.9%[1]。隨著病程的延長，DM患者會伴發(fā)一系列并發(fā)癥。其中，微血管病變是一大類會對患者造成長期損害的并發(fā)癥。DM伴發(fā)的微血管并發(fā)癥通常包括糖尿病性視網膜病變（diabeticretinopathy，DR）、糖尿病腎病和糖尿病周圍神經病變；其中，DR是DM微血管病變在眼部的主要表現，約1/3的DM患者伴有DR[2-3]。根據DR在眼底的表現，常分為增生型糖尿病性視網膜病變（proliferativediabeticretinopathy，PDR）和非增生型糖尿病性視網膜病變（non-proliferativediabeticretinopathy，NPDR）。通常情況下，大多數DR患者在出現黃斑水腫或PDR前無明顯癥狀，進而錯失最佳治療時機[4]。早期發(fā)現DR患者相關眼底改變在該疾病的預防和早期治療中尤為重要。在DR的發(fā)生、發(fā)展過程時，受細胞缺血、缺氧等因素影響，視網膜相關結構會發(fā)生明顯改變，這些結構改變可通過視網膜相關結構參數定量觀察[5]。隨著具有更強穿透力及更高分辨率的掃頻光源光學相干斷層成像（swept-sourceopticalcoherencetomography，SS-OCT）技術的出現，人們對視網膜的研究更加深入。本文就近年來應用光學相干斷層成像（opticalcoherencetomography，OCT）及光學相干斷層掃描血管成像（opticalcoherencetomographyangiography，OCTA）技術測量視網膜定量參數在DR診治中的研究進展進行綜述。

1視網膜相關參數

1.1視網膜的形態(tài)結構

視網膜位于眼球壁內層，由色素上皮層和視網膜感覺層組成，由內到外可分為十層。視網膜后極部有一小凹陷區(qū)稱為黃斑，其內含有大量視錐細胞，是視網膜視覺最敏銳的部位。當視網膜代謝出現障礙時，其結構會也發(fā)生一定程度的改變。因此，研究視網膜形態(tài)結構的變化有助于早期發(fā)現和評估相應病變。

1.2黃斑中心凹無血管區(qū)

與其他組織相比，在相同體質量下，視網膜尤其黃斑處所需氧氣更多，更易出現缺氧損傷，因此研究黃斑處的血液循環(huán)尤為重要[6]。作為一種無創(chuàng)的檢查方法，OCTA被廣泛應用于黃斑處血液循環(huán)的檢測。視網膜內層毛細血管在黃斑中心凹邊緣處相互連接，形成一個特殊的無毛細血管區(qū)，即中心凹無血管區(qū)（fovealavascularzone，FAZ）[7]。FAZ周圍環(huán)繞毛細血管網，這是視覺最敏感的區(qū)域，可反映黃斑區(qū)血液微循環(huán)的狀態(tài)，當該區(qū)域形態(tài)結構出現異常時便會嚴重影響患者視力[8-9]。

1.2.1黃斑FAZ面積DR發(fā)生時，可觀察到FAZ面積發(fā)生改變。研究表明，與非DM患者相比，DM患者的FAZ面積顯著增加，這與多種病理機制有關[10]。Ciloglu等[11]應用OCTA技術比較NPDR患者和健康眼受試者的FAZ面積發(fā)現，無論是在淺層毛細血管叢（superficialcapillaryplexus，SCP），還是在深層毛細血管叢（deepcapillaryplexus，DCP）中，NPDR患者的FAZ面積均較健康眼受試者有所增加。Attia等[12]應用OCTA技術獲得相同的研究結論，與健康志愿者相比，NPDR患者的FAZ面積更大且輪廓不規(guī)則。另有研究應用OCTA技術證實，無已知DM患者、無DR臨床癥狀患者和NPDR患者的FAZ面積比較差異無統(tǒng)計學意義[13]。Kasumovic等[14]研究發(fā)現，NPDR患者FAZ面積的變化在DM病程超過10年的患者中更為顯著。Kaderli等[15]研究發(fā)現，PDR患者的FAZ面積較NPDR患者大，且FAZ面積的增大對于檢測新生血管的形成具有重要價值。Storch等[16]對FAZ面積與視力參數進行分析后發(fā)現，FAZ面積的增大并不一定會影響患者的最佳矯正視力（bestcorrectedvisualacuity，BCVA），但對比敏感度的下降與FAZ面積的增大密切相關。

1.2.2黃斑FAZ圓度指數FAZ面積易受多種因素影響，例如FAZ面積與年齡呈正相關。作為FAZ不規(guī)則性指標，FAZ圓度指數（acircularityindex，AI）則更為獨立，其可能是預測DR進展更為敏感的指標[17]。Li等[18]研究表明，從健康人群到無DR的DM患者，再到輕度NPDR患者，其AI值逐漸增大，表明隨著病情的進展，FAZ形態(tài)逐漸變得不規(guī)則。此外，也有學者對FAZ與脈絡膜血管系統(tǒng)之間的相關性進行研究，認為二者是兩個相對獨立的過程[19]。

1.3黃斑區(qū)血管密度

黃斑區(qū)血管密度（vasculardensity，VD）是黃斑區(qū)血流與黃斑總面積的比值。多項研究證實，VD隨著年齡的增長而降低；作為黃斑區(qū)血流灌注情況的量化指標，VD與原發(fā)性開角型青光眼、DR等多種疾病的發(fā)生發(fā)展密切相關[20-22]。廣角掃頻光源-OCTA技術可觀測到視網膜黃斑區(qū)SCP和DCP變化，量化微血管參數，檢測VD異常[23]。多項研究表明，DR與視網膜黃斑區(qū)VD密切相關[24-26]。Chai等[27]將患有DM而不伴有視網膜病變的患者與健康人群進行對比，發(fā)現即使患者沒有發(fā)生DR，DM患者的VD或灌注密度依然在一定區(qū)域內發(fā)生改變，包括SCP和DCP等。Auvazian等[28]研究認為，DR患者的黃斑區(qū)VD隨著DR病情的加重而進一步降低，而VD的降低又會反過來影響組織對氧氣的運輸和吸收，加重組織缺氧。上述結果表明，隨著DR病情的進展，黃斑區(qū)VD顯著降低，且這一變化與BCVA密切相關。

1.4神經纖維層厚度

視網膜神經纖維層（retinalnervefiberlayer，RNFL）由視網膜神經節(jié)細胞軸組成。RNFL在神經眼科中應用廣泛，其厚度的測量常用于視神經功能的評估[29]。多項研究表明，DM患者在視網膜微血管病變發(fā)生前便已出現視網膜神經退行性改變[30-34]。Park等[35]將視網膜進一步分為內層視網膜和外層視網膜后進行分析發(fā)現，與健康人群對比，無DR的DM患者和輕度NPDR患者的全視網膜厚度和內層視網膜厚度均明顯降低，同時伴視網膜敏感度降低，這一研究結果支持DM患者早期視網膜神經已發(fā)生退行性改變的觀點。Lee等[36]研究發(fā)現，DM組患者的RNFL/VD比值明顯高于對照組（沒有任何全身性疾病的被診斷為單側視網膜前膜、黃斑裂孔、視網膜脫離或人工晶狀體脫位患者），表明DM患者的VD損傷比RNFL損傷更為突出，表明微血管損傷可能發(fā)生在神經退行性改變之前。另一研究則證實，DM患者的RNFL厚度隨著時間的延長而逐漸下降，且BCVA與RNFL厚度的降低顯著相關[37]。與健康對照組相比，無DR的DM患者的RNFL厚度相對較低[38-39]。然而，在DR患者中，RNFL的變化卻顯示出相互矛盾的結果。Bhaskaran等[40]研究發(fā)現，DR患者所有象限的RNFL厚度均變小，且其會隨著DR嚴重程度的增加而進一步變小。Li等[41]研究發(fā)現，在晚期DR患者中，即使排除糖尿病黃斑水腫的影響，隨著DR病情的進展，患者的RNFL厚度也逐漸增加，這可能是因為隨著DR病情的加重，神經細胞發(fā)生腫脹甚至死亡。上述研究表明，RNFL厚度變薄提示DR早期可能已發(fā)生視網膜神經退行性病變，而在DR病情進展中，人們對RNFL厚度的變化尚存在爭議。

2人工智能與OCT和OCTA技術

作為近年來的熱門話題之一，人工智能被越來越多地應用于DR的研究和臨床實踐中。機器學習法可從圖像中提取相關數據，對DR進行診斷和嚴重程度分級[42]。Carrera-Escalé等[43]研究顯示，機器學習法對DM和DR均具有診斷潛力。Le等[44]則應用深度學習法提取6mm×6mm的OCTA圖像，實現自動化OCTA分類，其在健康眼、DM不伴有DR眼及DR眼的區(qū)分中均表現出良好的準確性。Khalili等[45]應用機器學習算法對DR分期進行分類，采集大量DR患者的OCTA圖像，結果顯示機器學習法在NPDR和PDR的分類中具有出色的準確性。毫無疑問，隨著人工智能技術的發(fā)展，其在DR領域的重要性便更加凸顯，其可減輕臨床醫(yī)生的工作負擔，提高診斷的準確性。

3小結和展望

DR是發(fā)生于微血管層面的一種眼部病變，常伴隨視網膜功能和結構改變。作為非侵入性檢查手段，OCT和OCTA技術能夠更加快速、便捷、安全地獲取視網膜相關定量參數，這為DR的診斷及預后評估提供了可靠的觀察手段。隨著SS-OCT的出現，醫(yī)生能夠更為直觀、清晰地觀察視網膜的結構改變。通過觀察VD和FAZ等指標的變化，能夠早期發(fā)現DR患者眼部功能和結構的改變，評估疾病嚴重程度等。就目前而言，OCT和OCTA技術作為DR的觀測手段，仍存在以下問題：①OCT和OCTA技術在屈光介質混濁時成像較差，例如白內障、玻璃體積血及角膜斑翳等；②盡管SS-OCT在組織穿透能力上已較前有極大進步，但增加穿透深度以獲得更高質量的圖像及更大的觀察范圍仍待進一步改進；③OCTA技術在動靜脈區(qū)分、視網膜血管屏障功能的觀察上仍處于待研究階段；④人工智能在DR領域的應用仍有待進一步發(fā)展。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] SAEEDIP，PETERSOHNI，SALPEAP，etal.Globalandregionaldiabetesprevalenceestimatesfor2019andprojectionsfor2030and2045：ResultsfromtheInternationalDiabetesFederationDiabetesAtlas，9thedition[J].DiabetesResClinPract，2019，157：107843.

[2] GENGT，ZHUK，LUQ，etal.Healthylifestylebehaviors，mediatingbiomarkers，andriskofmicrovascularcomplicationsamongindividualswithtype2diabetes：Acohortstudy[J].PLoSMed，2023，20（1）：e1004135.

[3] HASHEMIH，REZVANF，PAKZADR，etal.Globalandregionalprevalenceofdiabeticretinopathy;AcomprehensivesystematicreviewandMeta-analysis[J].SeminOphthalmol，2022，37（3）：291–306.

[4] LINKY，HSIHWH，LINYB，etal.Updateintheepidemiology，riskfactors，screening，andtreatmentofdiabeticretinopathy[J].JDiabetesInvestig，2021，12（8）：1322–1325.

[5] 劉啟玲，王金蕾，馬汀.光學相干斷層掃描血管造影技術在糖尿病視網膜病變評估中的應用進展[J].武警醫(yī)學，2024，35（1）：79–84.

[6] PRIMIANOG，ABEDE，CORBOG，etal.Macularimpairmentinmitochondrialdiseases：Apotentialbiomarkerofdiseaseseverity[J].SciRep，2020，10（1）：8554.

[7] LIUJ，HEY，&n8e8c54ca21bb40e2fea6e45f3e81c72743bc3427023c257d375367c1c76a010bbsp;KONGL，17dc5775ca861490427ed46fbd7af7ed3329e9953026c2ca68381f8242a1f923etal.Studyoffovealavascularzonegrowthinindividualswithmilddiabeticretinopathybyopticalcoherencetomography[J].InvestOphthalmolVisSci，2023，64（12）：21.

[8] ?IVKOVI?MLJ，LAZI?L，ZLATANOVICM，etal.Theinfluenceofmyopiaonthefovealavascularzoneanddensityofbloodvesselsofthemacula-AnOCTAstudy[J].Medicina（Kaunas），2023，59（3）：452.

[9] HAJDUD，TOLDR，ANGELIO，etal.Identificationofmicrovascularandmorphologicalalterationsineyeswithcentralretinalnon-perfusion[J].PLoSOne，2020，15（11）：e0241753.

[10] AITCHISONRT，KENNEDYGJ，SHUX，etal.Measuringthefovealavascularzoneindiabetes：Astudyusingopticalcoherencetomographyangiography[J].JDiabetesInvestig，2022，13（4）：668–676.

[11] CILOGLUE，UNALF，SUKGENEA，etal.Evaluationoffovealavascularzoneandcapillaryplexusesindiabeticpatientsbyopticalcoherencetomographyangiography[J].KoreanJOphthalmol，2019，33（4）：359–365.

[12] ATTIAALIAHMEDM，SHAWKATABDELHALEEMA.Evaluationofmicrovascularandvisualacuitychangesinpatientswithearlydiabeticretinopathy：Opticalcoherencetomographyangiographystudy[J].ClinOphthalmol，2022，16：429–440.

[13] BONTZOSG，KABANAROUSA，GKIZISI，etal.Retinalneurodegeneration，macularcirculationandmorphologyofthefovealavascularzoneindiabetic?;patients：Quantitativecross-sectionalstudyusingOCT-A[J].ActaOphthalmol，2021，99（7）：e1135–e1140.

[14] KASUMOVICA，MATOCI，AVDAGICN，etal.Opticalcoherencetomographyangiographycontributionsinclassificationofnonproliferativediabeticretinopathy[J].ActaInformMed，2020，28（2）：103–107.

[15] KADERLIST，KARALEZLIA，KAYAC，etal.Sensitivityandspecificityoftheopticalcoherencetomographyangiographyfordetectionofneovascularizationandevaluationofperipheralischemiaindiabeticretinopathy[J].BeyogluEyeJ，2022，7（4）：273–281.

[16] STORCHMW，ZINSERG，LAUERMANNP，etal.Influenceofthesizeofthefovealavascularzoneonfunctionalandmorphologicalparametersinpatientswithearly-stagediabeticretinopathy[J].ClinOphthalmol，2022，16：1207–1213.

[17] LAVIAC，BONNINS，MAULEM，etal.Vesseldensityofsuperficial，intermediate，anddeepcapillaryplexusesusingopticalcoherencetomographyangiography[J].Retina，2019，39（2）：247–258.

[18] LIH，YUX，ZHENGB，etal.Earlyneurovascularchangesintheretinainpreclinicaldiabeticretinopathyanditsrelationwithbloodglucose[J].BMCOphthalmol，2021，21（1）：220.

[19] SIDORCZUKP，PIEKLARZB，KONOPINSKAJ，etal.Fovealavascularzonedoesnotcorrespondtochoroidalcharacteristicsinpatientswithdiabeticretinopathy：Asingle-centercross-sectionalanalysis[J]. DiabetesMetabSyndrObes，2021，14：2893–2903.

[20] PRAMILV，LEVINEES，WAHEEDNK.Macularvesseldensityindiabeticretinopathypatients：Howcanweaccuratelymeasureandwhatcanittellus？[J].ClinOphthalmol，2021，15：1517–1527.

[21] WUJ，SEBASTIANRT，CHUCJ，etal.ReducedmacularvesseldensityandcapillaryperfusioninglaucomadetectedusingOCTangiography[J].CurrEyeRes，2019，44（5）：533–540.

[22] LEESC，TRANS，AMINA，etal.Retinalvesseldensityinexudativeandnonexudativeage-relatedmaculardegenerationonopticalcoherencetomographyangiography[J].AmJOphthalmol，2020，212：7–16.

[23] QIZ，SIY，FENGF，etal.AnalysisofretinalandchoroidalcharacteristicsinpatientswithearlydiabeticretinopathyusingWSS-OCTA[J].FrontEndocrinol（Lausanne），2023，14：1184717.

[24] ABDELSHAFYM，ABDELSHAFYA.Correlationsbetweenopticalcoherencetomographyangiographyparametersandthevisualacuityinpatientswithdiabeticretinopathy[J].ClinOphthalmol，2020，14：1107–1115.

[25] WANGH，LIUX，HUX，etal.Retinalandchoroidalmicrovascularcharacterizationanddensitychangesindifferentstagesofdiabeticretinopathyeyes[J].FrontMed（Lausanne），2023，10：1186098.

[26] LIUT，LINW，SHIG，etal.Retinalandchoroidalvascularperfusionandthicknessmeasurementindiabeticretinopathypatientsbytheswept-sourceopticalcoherencetomographyangiography[J].FrontMed（Lausanne），2022，9：786708.

[27] CHAIQ，YAOY，GUOC，etal. Structuralandfunctionalretinalchangesinpatientswithtype2diabeteswithoutdiabeticretinopathy[J].AnnMed，2022，54（1）：1816–1825.

[28] AUVAZIANSL，CANOJ，LEAHYS，etal.Relatingretinalvascularoxygensaturationandmicrovasculaturemorphologyatprogressivestagesofdiabeticretinopathy[J].TranslVisSciTechnol，2021，10（6）：4.

[29] LOC，VUONGLN，MICIELIJA.Recentadvancesandfuturedirectionsontheuseofopticalcoherencetomographyinneuro-ophthalmology[J].TaiwanJOphthalmol，2021，11（1）：3–15.

[30] HAOJ，DUJ，GUX，etal.Changesinandtheassociationofretinalbloodperfusionandretinalnervesindiabeticpatientswithoutretinopathy[J].FrontEndocrinol（Lausanne），2023，13：1036735.

[31] MOHD-ILHAMI，TAIELM，SUHAIMIH，etal.Evaluationofmacularandretinalnervefiberlayerthicknessinchildrenwithtype1diabetesmellituswithoutretinopathy[J].KoreanJOphthalmol，2021，35（4）：287–294.

[32] JIAX，ZHONGZ，BAOT，etal.Evaluationofearlyretinalnerveinjuryintype2diabetespatientswithoutdiabeticretinopathy[J].FrontEndocrinol（Lausanne），2020，11：475672.

[33] CATALANIE，CERVIAD.Diabeticretinopathy：Amatterofretinalganglioncellhomeostasis[J].NeuralRegenRes，2020，15（7）：1253–1254.

[34] MEHBOOBMA，AMINZA，ISLAMQU.Comparisonofretinalnervefiberlayerthicknessbetweennormalpopulationandpatientswithdiabetesmellitususingopticalcoherencetomography[J].PakJMedSci，20GJ2MmmJIbCn2a0wzB27NMU/wPWRNxBXZVt/DnaT82Tg=19，35（1）：29–33.

[35] PARKJC，CHENYF，LIUM，etal.Structuralandfunctionalabnormalitiesinearly-stagediabeticretinopathy[J].CurrEyeRes，2020，45（8）：975–985.

[36] LEEMW，LEEJW，LEEKH，etal.PeripapillaryRNFL/vesseldensityratioinpatientswithtype2diabeteswithoutclinicaldiabeticretinopathy[J].SciRep，2022，12（1）：9463.

[37] LEEMW，LIMHB，KIMMS，etal.Effectsofprolongedtype2diabetesonchangesinperipapillaryretinalnervefiberlayerthicknessindiabeticeyeswithoutclinicaldiabeticretinopathy[J].SciRep，2021，11（1）：6813.

[38] TOPRAKI，FENKCISM，FIDANYAYLALIG，etal.Earlyretinalneurodegenerationinpreclinicaldiabeticretinopathy：Amultifactorialinvestigation[J].Eye（Lond），2020，34（6）：1100–1107.

[39] LIB，LIW，GUOC，etal.EarlydiagnosisofretinalneurovascularinjuryindiabeticpatientswithoutretinopathybyquantitativeanalysisofOCTandOCTA[J].ActaDiabetol，2023，60（8）：1063–1074.

[40] BHASKARANA，BABUM，SUDHAKARNA，etal.Studyofretinalnervefiberlayerthicknessindiabeticpatientsusingopticalcoherencetomography[J].IndianJOphthalmol，2023，71（3）：920–926.

[41] LIX，XIEJ，ZHANGL，etal.Identifyingmicrovascularandneuralparametersrelatedtotheseverityofdiabeticretinopathyusingopticalcoherencetomographyangiography[J].InvestOphthalmolVisSci，2020，61（5）：39.

[42] LAKSHMINARAYANANV，KHERADFALLAHH，SARKARA，etal.Automateddetectionanddiagnosisofdiabeticretinopathy：Acomprehensivesurvey[J].JImaging，2021，7（9）：165.

[43] CARRERA-ESCALéL，BENALIA，RATHERTAC，etal.Radiomics-basedassessmentofOCTangiographyimagesfordiabeticretinopathydiagnosis[J].OphthalmolSci，2023，3（2）：100259.

[44] LED，ALAMM，YAOCK，etal.TransferlearningforautomatedOCTAdetectionofdiabeticretinopathy[J].TranslVisSciTechnol，2020，9（2）：35.

[45] KHALILIPOURE，REZAEEK，AZIMIH，etal.Automatedmachinelearning-basedclassificationofproliferativeandnon-proliferativediabeticretinopathyusingopticalcoherencetomographyangiographyvasculardensitymaps[J].GraefesArchClinExpOphthalmol，2023，261（2）：391–399.

（收稿日期：2024–06–18）

（修回日期：2024–10–08）