综述：视神经炎的影像生物标志物：当前工具与未来方向

《Frontiers in Neurology》：Imaging biomarkers in optic neuritis: current tools and future directions

本综述系统梳理了光学相干断层扫描（OCT）、光学相干断层扫描血管成像（OCTA）、磁共振成像（MRI）及扩散张量成像（DTI）在视神经炎（ON）中的最新进展，强调了多模态成像结合免疫生物标志物（如AQP4-IgG、MOG-IgG、NfL）及人工智能（AI）技术在疾病分型、预后评估及个体化治疗中的突破性价值，为神经免疫眼科学的精准诊疗提供重要参考。

　　

2 光学相干断层扫描

光学相干断层扫描（OCT）以微米级分辨率量化视网膜神经纤维层（RNFL）和神经节细胞-内丛状层（GCIPL）厚度，成为评估视神经炎（ON）结构性损伤的核心工具。RNFL变薄通常在发病3个月内出现，平均减少15–18?μm，与视力恢复程度显著相关。GCIPL厚度则更特异反映神经节细胞完整性，与对比敏感度和视野缺损密切相关。研究强调眼间差异（IED）指标（如GCIPL绝对差异≥4?μm或百分比差异≥4%）在特发性或多发性硬化（MS）相关ON中具有高诊断效能（AUC≈0.90）。抗体介导的ON则呈现独特模式：MOG抗体相关疾病（MOGAD）中GCIPL下降更快且与视野损失平行，水通道蛋白4抗体相关视神经脊髓炎谱系疾病（NMOSD）则表现为更弥漫的RNFL损失且恢复有限。此外，OCT参数与低对比度视力（如2.5% Sloan图表）的关联优于高对比度视力，凸显其功能评估优势。预后方面，RNFL变薄>20?μm联合视觉诱发电位（VEP）潜伏期延长>12?ms可使复发风险增加2.7倍，而结合微血管密度指标可进一步提升预测准确性。OCT还能区分ON亚型：MS-ON以颞侧RNFL损伤为主，NMOSD-ON呈弥漫性变薄，MOGAD-ON则相对保留结构 despite 严重急性视力丧失。技术进展如扫频源OCT（SS-OCT）增强成像深度与速度，偏振敏感OCT（PS-OCT）检测微结构紊乱，为早期活动性病变识别提供新途径。

3 光学相干断层扫描血管成像

OCTA无创评估视网膜微血管密度与灌注特征，揭示ON急性期与慢性期均存在视盘周围及黄斑区血管密度显著降低（p?r?=?0.72）。脉络膜微血管丢失与视力恢复不良独立相关，甚至在校正RNFL厚度后仍具预后价值。OCTA变化常早于结构变薄，尤其在复发型ON中预测功能下降。亚型分析表明，NMOSD表现为浅层毛细血管丛（SCP）稀疏（血管密度降低>20%）及黄斑无血管区（FAZ）扩大，MS则以颞象限轻度改变为主，MOGAD接近正常。微血管曲折度和分形维数等新指标进一步揭示NMOSD-ON的毛细血管规则性丧失和重塑障碍。深度学习（DL）技术如U-Net和注意力模型提升血管分割精度（Dice系数>0.90），多模态框架MuTri实现从结构OCT合成OCTA图像，跨模态翻译准确率提高25%，助力标准化血管分析。

4 磁共振成像与扩散张量成像

常规MRI（T2加权、STIR、增强T1）检测视神经病变、强化及脱髓鞘，其中病变长度>17?mm与急性视力缺损显著相关（r?=??0.71）。扩散张量成像（DTI）指标如表观扩散系数（ADC）升高和分数各向异性（FA）降低预测轴突变性与视力损失。MOGAD-ON多表现为双侧受累及远端病变（眶内与管内段），区别于MS-ON和NMOSD-ON。结合脑/脊髓MRI与OCT RNFL厚度可95%准确区分MS与NMOSD/MOGAD（p?

5 智能影像分析：人工智能与深度学习在ON中的应用

卷积神经网络（CNN）从结构OCT推断血流图谱，准确率达85%（Dice系数0.82）。注意力引导超分辨率算法提升OCTA血管细节分辨率（PSNR增加3.9?dB）。多模态DL框架整合OCT、OCTA与血清组学数据，区分炎性与缺血性ON的AUC达0.95，预测6个月视力结局灵敏度91.2%。Vision Transformer（ViT）技术优化3D OCTA重建，准确率提高20%，强化噪声抑制与微血管变化检测。这些进展推动AI在ON分型、预后及个体化管理中的应用。

6 儿童视神经炎的影像特征

儿童ON以MOGAD-ON为主（占30–64%），急性期RNFL肿胀显著（中位厚度164?μm）但恢复潜力佳。MRI显示长节段病变与双侧强化，OCTA提示血管密度降低10–15%。与成人相比，儿童慢性RNFL变薄较轻，需年龄校正标准与专用AI算法。

7 影像生物标志物与免疫生物标志物的整合

血清AQP4-IgG滴度与MRI视神经强化体积相关，MOG-IgG/AQP4-IgG联合OCTA参数提升亚型区分效能。补体成分（C3a、C5a）与RNFL变薄关联（p?α）与血管密度负相关（r?=??0.54）。神经丝轻链（NfL）预测残疾进展并与影像参数协同。AI算法整合多模态数据指导治疗分层，推动精准医疗。

8 当前挑战与未来方向

设备与协议异质性限制多中心验证，AI模型泛化性不足需扩大数据集与标准化流程。智能手机筛查工具与远程监测预示未来方向，多学科合作与开放数据库将加速精准神经眼科学发展。

9 结论

多模态影像（OCT、OCTA、MRI/DTI）、AI分析与免疫生物标志物共同革新ON的诊疗体系，实现早期分型、复发预测与个体化干预，奠定精准神经眼科学基础。