原发性开角型青光眼诊断的研究现状

吴 艳，杨 璐

0引言

原发性开角型青光眼(primary open angle glaucoma，POAG)是一种慢性、进展性、伴有特征性视盘和视网膜神经纤维层(retinal nerve fibers layer, RNFL)形态学改变，且伴有其他眼病或先天异常的视神经病变[1]。其主要特征为视网膜神经节细胞(retinal ganglion cells, RGC)及其轴突损失和获得性视神经萎缩。POAG起病较为隐匿，患者眼压升高时房角始终开放，随着疾病不断进展，视野(visual field, VF)逐渐缩小，最终可导致不可逆性视力丧失[2]。尽管VF检查是诊断POAG有力的指标，但临床上出现典型的VF改变时，已预示POAG进入了中晚期[3-4]。因此对POAG的早期诊断并及时治疗，能够极大地降低青光眼的致盲率。随着科学技术的发展，近年来对POAG的诊断能力有了较大提升，本文将对POAG的早期诊断、疾病进展以及筛查等方面的研究进展作一综述，以期为临床工作提供参考。

1 POAG的早期诊断

1.1视盘区形态学相关检查POAG在疾病早期会出现视乳头凹陷切迹、局限性盘沿变窄以及RNFL变薄等病理改变。光学相干断层扫描(optical coherence tomography, OCT)是借助不同组织层面反射与被反射界面的时程延迟原理而设计成的能够显示视网膜各层断面结构的检查方法。由于它具有非接触和无损伤的特性，已被广泛应用于各种眼科疾病的诊查。近年来，OCT技术在POAG的早期诊断方面也显示出重要作用[5-6]。Poli等[7]应用血流OCT(optical coherence tomography angiography, OCTA)检测技术前瞻性的观察健康受试者和POAG患者中视乳头周围血管密度(peripapillary vessel density, pVD)情况，发现POAG组pVD显著低于正常对照组。有研究表明POAG患者视乳头周围组织血流灌注及血氧饱和度降低可能是因为神经纤维组织丢失[8]。Hirasawa等[9]借助光谱域OCT(spectral-domain OCT,SD-OCT)扫描技术观察89名健康受试者和89例早期POAG患者视乳头周围RNFL来检测SD-OCT对早期POAG的诊断能力。通过计算受试者工作特性(receiver operating characteristic, ROC)曲线下的面积(area under the ROC curve, AUC)以及每个诊断的灵敏性和特异性发现：10度范围内视乳头周围RNFL测量组的AUC最大(AUC=0.924，95%CI：0.875～0.958)，敏感性和特异性分别为0.92和0.94。ROC曲线是用真阳性率和假阳性率做出的曲线，可用来表示特异性和敏感性之间的相互关系。ROC曲线作为一种准确、全面评价诊断试验的有效方法，能够比较多种诊断试验的诊断价值。AUC则可用来比较多种诊断试验的诊断效率。AUC越接近1.0，表明诊断的真实度越高。上述研究表明视乳头周围RNFL可作为早期诊断POAG的有效途径。

Bruch膜开口-盘沿最小宽度(Bruch’s membrane opening-minimal-rim width, BMO-MRW)是指从Bruch膜开口到内界膜的垂直最短距离。它不受检查眼位、屈光状态和视网膜色素上皮(retinal pigment epithelium，RPE)等因素影响，可以较为客观地反映RNFL的状态[10]。研究人员通过单盲法用OCT检测了138名受试者的BMO-MRW和视乳头周围RNFL来评估两者对POAG的诊断效能。结果显示BMO-MRW的敏感性和特异性分别为77.5%和84.2%，而视乳头周围RNFL的敏感性和特异性分别为82.5%和89.5%；两种检测方法的阳性预测值分别为0.91%和0.94%，阴性预测值分别为0.64%和0.70%[11]。这些结果表明BMO-MRW似乎显示出与视乳头周围RNFL对POAG相同的诊断能力。另一方面，有学者用SD-OCT的定制软件测量了POAG患者和正常受试者视乳头周围环状的三维视网膜体积(retinal volume, RV)和视乳头周围二维的RNFL。诊断效能指标提示二者对POAG的诊断准确率相当，且RV的伪影更少[12]。以上这些研究显示：POAG早期视盘区域形态学上的改变可以借助OCT技术得以被发现，这为POAG的早期诊断提供了更多的选择。

1.2黄斑区的相关检查黄斑是视觉最为敏锐的部位，在POAG初发期也存在着黄斑区域微循环障碍的改变，黄斑区微循环和视觉电生理相关的检查对于早期发现POAG有重要的辅助作用[13]。Penteado等[14]发现OCTA检查黄斑区6mm×6mm的准确性要比3mm×3mm更强。有趣的是，研究人员对比了黄斑神经节细胞内丛状层厚度(macular ganglion cell-inner plexiform layer, GCIPL)和黄斑区血管长度及灌注密度等参数，发现在诊断POAG时，GCIPL厚度明显优于所有黄斑光学微血管造影参数[15]。与之相似的，Xu等[16]对367例POAG患者(早期168例，中度78例，晚期121例)、52例高眼压症患者、59例C/D比扩大患者和225名健康受试者分别采用GCIPL和RNFL进行诊断性能的比较。结果显示GCIPL和RNFL的AUC分别为0.899和0.952，在区分早期POAG与正常者和青光眼可疑者之间，GCIPL厚度具有良好的敏感性和特异性。黄斑区的神经纤维层、RGC层以及内丛状层合称为神经节细胞复合体(ganglion cell complex, GCC)。青光眼可使RGC丢失和RNFL变薄，从而导致GCC形态改变。有研究发现黄斑区GCC对POAG的诊断性能要高于视乳头周围GCC[17]。另一方面，Verticchio等[18]利用SD-OCT比较了黄斑区三维体积参数和视乳头周围二维RNFL厚度对POAG的诊断能力。结果显示内径3mm,外径4mm黄斑区GCC体积和厚度的诊断性能与二维RNFL相似，且伪影对结果不会造成影响。从以上研究可以发现对于黄斑区GCIPL或GCC厚度值的改变也是早期POAG发生发展的一个重要信号。

1.3脉络膜及筛板区的相关检查脉络膜位于视网膜与巩膜之间，POAG发病过程涉及缺氧缺血及机械压力等因素影响。有报道发现OCT测得的视乳头周围脉络膜厚度(peripapillary choroidal thickness, PPCT)对POAG具有低至中度的诊断能力[19]。为此研究人员对于POAG是否导致脉络膜形态学改变也进行了相关研究。Pablo等[20]利用扫频OCT(swept-source OCT,SS-OCT) 检测了135例POAG患者和86名健康受试者的PPCT结果发现：与健康受试者相比，青光眼患者的PPCT变薄，特别是在鼻上和鼻下区域尤为显著。这表明SS-OCT可能是评估脉络膜厚度变化的有用工具，并且可能是促进青光眼诊断的额外支持。最近，Kojima等[21]通过增强深度成像OCT(enhanced depth imaging OCT,EDI-OCT)技术将脉络膜血管腔隙和间质区域转换为二值图像，获取了视乳头周围和黄斑脉络膜图像，通过单变量和多元线性回归分析确定脉络膜面积与人口统计和眼部特征之间的关系，结果发现黄斑脉络膜面积与年龄和眼轴长度之间存在显著相关性。但在POAG患者中，视乳头周围脉络膜面积与各种属性之间没有相关性。以上研究表明POAG发病过程存在脉络膜形态上的改变，但更为特异的检测指标尚需要进一步探索和验证。

近年来在青光眼疾病进展过程中，局灶性筛板缺损及形态改变引起了学者们的关注。Zwillinger等[22]使用泛光照明自适应眼底照相机对比了健康受试者和POAG患者的筛板孔形态，发现与健康受试者相比，POAG患者的筛板孔明显增大，两者平均孔表面积之间具有显著差异。这提示泛光照明自适应成像技术在体内鉴定筛状板孔的形态可能增强我们对青光眼的了解，并为其早期检测提供新的手段。此外，研究人员比较了SD-OCT与SS-OCT两种技术对视乳头结构的扫描能力，结果显示尽管两种方法对深层视乳头结构的检出率相当，但SS-OCT可以看到更大面积的筛板前表面情况[23]。另一方面，Lee等[24]利用SS-OCT技术对比了筛板深度和筛板曲率鉴别POAG的能力，发现筛板深度和筛板曲率指数的AUC分别为0.784和0.921。以上研究表明检测技术的革新能够带来更多对POAG诊断有价值的检测指标。

1.4视觉电生理的相关检查视觉电生理检查能够反映视网膜和视神经方面的细微结构功能方面的改变，在青光眼诊断中也占有重要地位[25]。视觉诱发电位(visual evoked potential, VEP)是视网膜受图形或闪光刺激后，在视觉中枢诱发出来的电活动。分离格栅VEP(isolated-check VEP, icVEP)技术主要用于检测由RGC控制的大细胞通路的传递功能。Xu等[26]招募了90例POAG患者和66名健康对照者，用于检测icVEP对POAG的诊断性能。结果发现与正常受试者相比，早期青光眼病例的AUC为0.801(敏感性为0.933，特异性为0.697)。多焦VEP(multifocal VEP, mfVEP)可同时刺激视网膜的多个部位并对其定量分析，能反映出不同部位的RGC功能。Danyaei等[27]研究了mfVEP对POAG的诊断能力，结果发现mfVEP参数与诊断灵敏度之间没有显著相关性。以上研究提示单独使用VEP相关检测手段对于POAG的诊断尚需要谨慎对待。

多焦视网膜电图(multifocal electroretinogram, mfERG)可同时刺激多点区域的视网膜并形成相应的功能地形图。有研究认为mfERG有助于POAG的诊断，特别是与GCIPL检测指标结合使用[28]。全视野闪光视网膜电图(full-field flash electroretinogram, F-ERG)的明视负反应(photopic negative response, PhNR)是在明适应条件下，用亮光刺激时可在正向b波后记录到负向电位,而当用色光作背景作刺激光时，PhNR反应明显增大。有报道称红蓝PhNR可以作为临床评估青光眼患者RGC功能障碍的有用工具[29]。Cvenkel等[30]探讨了在早期POAG组与健康对照组之间图形ERG(PERG)和PhNR的分辨能力。在ERG参数中，PhNR幅度在青光眼和正常对照组之间的区别最为明显，可疑青光眼和早期POAG的AUC为分别为0.90和0.86。PhNR/b波比在可疑青光眼的视乳头周围RNFL(r=0.61)和黄斑RNFL(r=0.76)厚度之间显示出最强的关联。在早期POAG患者中，视乳头周围RNFL与PhNR振幅(r=0.71)和PERG P50振幅(r=0.67)显示最佳相关。该结果表明，PhNR对于早期诊断POAG可能是有用且敏感的测试指标。这些研究提示：尽管视觉电生理相关检查能够反映早期POAG引起的视网膜或视神经上的病理改变，但结合其它形态学指标综合诊断或许会提高诊断的准确性。

1.5视野相关检查VF缺损是青光眼患者最为典型的临床表现之一。然而，传统的标准自动视野法的刺激持续时间和面积并不能很好地识别早期POAG的功能损伤[31]。倍频视野检查(frequency doubling technology, FDT)比普通静态视野检查更具有早期发现视野损害的能力。Horn等[32]利用第二代FDT和闪烁定义式视野检查(flicker defined form, FDF)检测了72例POAG患者和50名健康受试者的VF情况。结果显示FDT和FDF VF 检查的平均缺陷数据高度相关(r=-0.85，P<0.001)。在早期POAG患者中，对FDF的敏感性为0.65，对FDT的敏感性为0.60，对RNFL厚度的敏感性为0.60，而特异性均为0.95。这些结果表明FDF和FDT可用于检测早期POAG，若结合RNFL厚度和其中一项VF检查的结果，可以增加早期POAG患者的检出率。另一方面，Perdicchi等[33]对早期POAG患者的VF和GCC进行多次重复测量，对数据进行聚类分析发现VF缺损与OCT扫描发现的GCC缺陷之间存在结构对应关系。这提示VF聚类分析可能对检测一些局灶性缺陷有指示价值。这些研究表明对VF检查技术和数据处理方式改进能够发现POAG早期的功能改变。

1.6脑组织的相关检查近年来，多项研究发现POAG患者中存在大脑皮质组织出现结构和功能的改变，且这些变化与POAG的严重程度有一定相关性[34-35]。Ersoz等[36]利用磁共振(magnetic resonance imaging, MRI)技术检测了28例POAG患者和26名健康受试者的视神经直径和外侧膝状体高度(lateral geniculate nucleus height, LGNh)，进一步分析发现LGNh与POAG患者的RNFL厚度之间具有高度相关性。类似地，有报道发现POAG患者的半球间同位功能连通性异常伴有相应的解剖学连通性改变，且这种连接变化同样与RNFL具有相关性[37]。另一方面，Fukuda等[38]运用基于体素的形态计量学标准化MRI技术检测到Brodmann(BA)17、18、19区的灰质密度，发现POAG患者中视觉皮层的灰质密度显著降低，与视神经损伤程度密切相关。这些研究提示POAG可导致大脑相关组织结构发生改变，而这些改变能否成为POAG的诊断指标，还需要进一步的探索。

1.7深度学习的相关算法深度学习(deep learning, DL)源于人工神经网络的研究，其目的在于建立和模拟人脑进行分析学习。DL可通过组合低层特征形成抽象的表示属性类别或高层特征。它基于深信度网提出非监督贪心逐层训练算法，为解决深层结构的难题带来了希望。近年来智能的深度学习算法在早期诊断POAG方面也显示出了独特优势[39-40]。Muhammad等[41]运用卷积神经网络算法从OCT扫描的图片中提取丰富的特征并使用随机森林分类器来训练基于这些特征的模型，以预测POAG损伤的存在。结果显示此种混合DL方法在区分健康的可疑眼睛和早期POAG方面优于标准的OCT和VF临床指标。Jammal等[42]比较了青光眼专家与DL算法通过眼底照片对POAG诊断上的差别，结果显示机器DL算法在检测可重复性和准确性上明显高于人类。这些研究提示DL算法对于诊断POAG具有良好的应用前景。

1.8生物标记物的相关检查研究人员将MRI中弥散张量成像(diffusion tensor imaging, DTI)获取的数据构建成解剖学纤维连通性变化参数，使用朴素贝叶斯分类的机器学习方法，对POAG患者和健康受试者的BA区之间的纤维连通性进行分类。发现POAG组中涉及与视觉(BA19)，抑郁(BA10 /BA46/BA25)和记忆(BA29)相关的大脑区域纤维数显著增高[43]。该研究提示使用机器学习方法进行分类，平均纤维数有潜力用作检测POAG中白质微观结构变化的生物标记。另一方面，Atalay等[44]检测了POAG患者与正常人的血清甲状腺激素、维生素D，维生素B12、叶酸、C反应蛋白和血红蛋白水平，发现只有维生素D在POAG患者中降低。此外，也有报道表示POAG患者血清中维生素D水平与正常者相比明显下降，但下降水平在POAG中度和重度患者间没有差异[45]。然而，Ayyagari等[46]认为血清维生素D水平在晚期POAG患者中下降水平更为显著。这些研究结果表明维生素D可作为POAG的生物标记物。

Kurysheva等[47]利用彩色多普勒成像技术评估了早期POAG患者眼部血流动力学参数，同时应用OCT检测了GCC和RNFL等相关标准结构参数。发现眼部血流动力学参数的性能优于结构参数。这表明无论灌注异常是POAG起病的原因还是结果，测量眼部血流参数对早期诊断POAG都具有突出的潜力。此外，Ovono等[48]发现POAG患者血浆中神经球蛋白浓度要高于正常受试者，且与POAG的严重程度有相关性。以上研究说明POAG发病过程中不仅存在组织结构的变化，也存在代谢循环中某些功能指标参数的改变，这些变化都有可能成为早期诊断POAG的依据。

2 POAG的进展评估

在POAG诊断过程中应用的多项结构或功能的相关指标都与POAG的发展程度有一定相关性，因而也可用来评价POAG进展情况[49]。Park等[50]发现POAG患者视乳头周围下部乳头状脉络膜血管密度(vessel density, VD)的检测可能对评估POAG视野缺损进展风险起一定作用。同样的，Vidas[51]认为与RNFL相比，GCC参数显示出更好的青光眼辨别能力，是预测青光眼发展的更好指标。另一方面，有学者应用线性回归趋势分析发现年龄大和高垂直C/D比是POAG 视野缺损进展的预测指标[52]。此外，Ramezani等[53]发现相比较于简单的线性回归，动态结构函数模型具有更小的预测误差。有学者对475例POAG患者采集了不同时期的VF情况，通过聚类趋势分析发现基于群集的趋势分析结果在所有群集中与不同时期VF系列的所有长度上均显著相关[54]。研究表明聚类趋势分析能够及时检测青光眼的进展，通过功能或结构参数以及相关的数据模型可以很好的预测POAG的进展，为疾病的治疗提供指导。

3 POAG的筛查

眼压测量是经典的青光眼筛查方法，具有成本低，效率高的特点[55]。Lee等[56]对无红光眼底相片进行归一化增强对比度处理并转化为极性图像，运用DL分类器和极坐标变换技术检测RNFL早期缺损，其AUC值为0.939。结果提示该软件分析技术可以应用于POAG的早期筛查。与之类似的，Al-Aswad等[57]基于彩色眼底照片开发出一种DL软件，检测的高灵敏度使其成为筛查青光眼性视神经病变患者的重要工具。总而言之，目前在POAG筛查方面的研究大多依赖于现有的结构检查的数据分析。

4小结

尽管深度学习相关算法以及新型的生物标记物提高了POAG早期诊断的敏感性，POAG在疾病初期的筛查能力仍然有待提高。通过对相关文献的回顾与总结发现，更多的功能检查设备和结构参数可用于识别POAG进展。这些指标都为POAG的发展提供了独特的见解，但部分仍存在特异性不高的缺点。我们可以在不影响敏感性及特异性的情况下，探索构建一个数学模型，从结构和功能方面，联合考虑两个或多个参数，以期能提高POAG早期检测水平。相信随着相关研究的不断深入，在不远的将来人类对POAG的诊断和防治的能力会登上一个新台阶。