视网膜微血管特征差异在MS与NMOSD鉴别诊断中的价值：基于OCTA的机器学习模型研究

《Journal of Neurology》：Retinal microvascular differences between multiple sclerosis and neuromyelitis optica spectrum disorder: a cross-sectional study with diagnostic modeling

本研究针对多发性硬化（MS）与视神经脊髓炎谱系疾病（NMOSD）视网膜微血管改变模式不清的问题，通过扫源光学相干断层扫描血管成像（OCTA）对比分析658名参与者视网膜微血管与结构指标，发现两组在视神经炎（ON）与非ON眼中呈现相反微血管损伤模式，并构建出AUC达0.912的机器学习鉴别模型，为疾病非侵入性鉴别提供了新视角。

　　

在神经免疫性疾病领域，多发性硬化（MS）和视神经脊髓炎谱系疾病（NMOSD）的视网膜改变机制一直存在争议，尤其微血管层面的特异性变化模式尚不明确。为破解这一难题，研究人员对处于临床稳定期的MS与NMOSD患者开展了扫源光学相干断层扫描（OCT）及其血管成像（OCTA）检测，量化分析了浅层血管丛（SVC）、深层血管丛（DVC）的密度与灌注指标，同时评估了脉络膜血管容积（CVV）、基质容积（CSV）以及视网膜神经纤维层（RNFL）、神经节细胞-内丛状层（GCIPL）厚度等结构参数。

研究纳入了658名参与者（包括167例MS、221例NMOSD及270名健康对照），共1277只眼睛的数据揭示出有趣现象：在曾患视神经炎（ON）的眼睛中，NMOSD组的SVC指标显著低于MS组；而在非ON眼中，MS患者反而表现出更严重的微血管丢失（多数_p?p?

基于这些微血管特征构建的逻辑回归模型在疾病鉴别中表现出色（AUC=0.900），而机器学习模型中支持向量机（SVM）分类器性能最优（AUC达0.912，准确率84.5%）。该研究首次系统揭示了MS与NMOSD具有相反的视网膜微血管损伤模式，且这种模式与残疾进展密切相关。OCTA技术驱动的鉴别模型为两种疾病的非侵入性精准诊断提供了新工具，凸显了视网膜微血管完整性作为重要生物标志物的临床价值。