糖尿病视网膜病变的流行现状与国际通用分级标准

糖尿病视网膜病变的流行现状与国际通用分级标准

糖尿病性视网膜病变（iii）是糖尿病的特定微血管并发症，也是世界上青少年视觉损害的主要原因。发病率既往研究表明,DR的发病率和患病率受地区经济发展差异和种族的影响,且2型糖尿病DR终身患病率远低于1型糖尿病视网膜病变的糖尿病性黄斑水肿按照病变发展阶段不同,以有无病理性视网膜新生血管为标准可将DR划分为NPDR及PDR。其中,基于特征性临床表现,可进一步将NPDR细分为Ⅰ～Ⅲ期。但无论是PDR还是NPDR,在视网膜病变的任何阶段都可能伴发黄斑渗出和水肿,即糖尿病性黄斑水肿(diabeticmacularedema,DME)。DR的致病机制较为复杂,目前高血糖被公认为其始动因素。高血糖一方面通过多种代谢途径损伤视网膜毛细血管,另一方面又能诱导视网膜周细胞凋亡,导致毛细血管的闭塞、局部缺血和渗漏代谢因素代谢依据是否可干预,DR的危险因素可分为两类。前者主要包括高血糖、高血压、血脂异常等代谢因素;后者主要指糖尿病病程、种族、青春发育和妊娠事实上对DR而言,糖尿病病程是比HbA眼底检查一般项目的检查在临床意义上的基尽管美国糖尿病协会(AmericanDiabetesAssociation,ADA)于2017年版DR指南中对筛查DR的时机和频率作了详细的推荐目前,国际通用的DR分级标准是以DR早期治疗研究(EarlyTreatmentofDiabeticRetinopathyStudy,ETDRS)结论为基础制定的,包括国际临床DR严重程度分级标准(InternationalClinicalDiabeticRetinopathyDiseaseSeverityScale,简称国际DR分级标准)和国际临床DME严重程度分级标准(InternationalClinicalDiabeticMacularEdemaDiseaseSeverityScale,简称国际DME分级标准)。DME目前已取代PDR成为糖尿病患者致盲的首位原因,因此建议眼底检查常规行视网膜厚度测定以筛查早期DME。如筛查结果为阳性或免散瞳照相成像不佳,应及时转诊至眼科行详细眼科检查,包括裂隙灯、视网膜电图(electroretinogram,ERG)、光学相干断层成像(opticalcoherencetomography,OCT)和荧光素眼底血管造影检查(fluoresceinfundusangiography,FFA)等。其中,OCT能直接测定视网膜厚度,且无创、非接触,目前已成为诊断黄斑水肿的最佳手段预防和治疗一、系统治疗针对可干预因素,美国眼科学会(AmericanAcademyofOphthalmology,AAO)1.英国前瞻性糖尿病糖尿病控制和并发症试验(DiabetesControlandComplicationsTrial,DCCT)和英国前瞻性糖尿病研究(UnitedKingdomProspectiveDiabetesStudy,UKPDS)表明,严格的血糖控制(HbA2.收缩压与dr相较血糖控制,降低血压在预防DR中的作用似乎略有争议,但以UKPDS为首的多个随机对照试验(randomizedcontrolledtrails,RCT)均揭示了降压的代谢效应,具体量化为:收缩压每降低10mmHg(1mmHg=0.133kPa),DR进展的风险可下降15%。但这并不意味着血压愈低愈好,糖尿病心血管风险控制行动(ActiontoControlledCardiovascularRiskinDiabetes,ACCORD)研究证明收缩压120mmHg较140mmHg对糖尿病患者的DR发病风险没有影响3.降低血脂虽然血脂异常是DR发生的一项比较确切的危险因素,但流行病学研究结果尚未统一4.有统计学意义的临床效应既往曾有研究试图通过口服阿司匹林改善视网膜微循环来治疗DR,但未显示任何有统计学意义的临床效应,因此阿司匹林未被纳入预防DR的用药指南中。不过,如果糖尿病患者合并心血管风险或有其他应用阿司匹林的指征,DR并非其用药禁忌二、皮质醇内注射进行固体手术目前DR的眼科治疗方案主要包括激光光凝,玻璃体内注射抗VEGF药物、玻璃体内注射皮质类固醇(目前不被作为首选治疗)和针对玻璃体内积血的玻璃体切除术。虽然激光光凝,尤其是全视网膜激光光凝(panretinalphotocoagulation,PRP)目前仍是DME和严重PDR的主要治疗手段三、化终末产物的高表达在DR发病过程中,已明确的机制包括血管壁通透性增加及蛋白酶C、生长激素、醛糖还原酶、糖基化终末产物的高表达。近年来以上述组分为靶点,DR新药的研发层出不穷。已进行RCT的药物就包括血管稳定剂羟苯磺酸钙随着对传统医学研究的不断深入,许多中药如石斛兰、人参、当归等能通过抑制视网膜炎症、抑制氧化应激、降低血管通透性和炎症因子的表达等机制来预防DR的发生和进展在深度学习和诊断中的应用当前DR的诊断耗时耗力,主要依靠临床医师的人工检查和评估视网膜功能的一系列特殊检查。传统诊断方法不仅对仪器设备有很高的要求,并且在很大程度上依赖于临床医师个人的经验和专业知识。随着DR患者人数的不断增长,传统诊断方法的不足会愈加明显。而人工智能(artificiaintelligence,AI)方兴未艾,无疑为这个问题提供了一个新的解决思路。AI以大数据和深度学习(deeplearning)为基础,通过观察生物信息库内大量健康人和患者的眼底图像,提取、标记并学习其特征,进而对评价样本给出诊断意见。随着神经网络技术不断进步,AI读取、诊断DR的能力已经从最开始的二分类(即正常、异常)逐渐发展到标准的五分类当然,AI并不是万能的。在当前阶段,AI主要通过大量信息输入来“学习”DR的深度特征从而作出诊断。这会带来两方面问题:其一,大部分AI算法是不需要参考其他眼科学生物标志物的水平和患者病史的,这难免会与个体化的人工诊断间出现偏差;其二,AI的固有缺陷———“黑匣子”效应(即AI处理数据的过程是研究者不可见的)也不可避免地会对诊断的可信度造成一定影响。因此,AI在DR诊断领域的普及,仍任重而道远筛查与治疗危险因素干预DR的危险因素多