ePWV作为大规模青光眼筛查的可扩展风险因素：来自中国全国性队列研究的证据

《Frontiers in Cell and Developmental Biology》：ePWV as a scalable risk factor for large-scale glaucoma screening: evidence from a national Chinese cohort

动脉硬化指标估计脉搏波速度（ePWV）与青光眼发病风险的正相关性在中国45岁以上人群前瞻性队列研究中得到验证。通过CHARLS队列数据（n=11,968），Cox回归分析显示ePWV每升高1m/s，青光眼风险增加7%（HR 1.07, 95%CI 1.01-1.13），最高四分位组风险较最低组升高39%（HR 1.39, 95%CI 1.00-1.93）。剂量反应关系呈线性，且在性别、婚姻、教育等亚组中一致，仅饮酒状态存在交互作用（p=0.047）。ePWV作为可及的非侵入性指标，其预测效力优于年龄或血压单独使用，提示在AI辅助青光眼筛查模型中整合血管功能参数（如ePWV）可有效提升早期风险分层精度。

　　在当代医学研究中，动脉僵硬度已成为评估心血管健康的重要指标之一。随着全球人口老龄化趋势的加剧，特别是中国这样拥有庞大人口基数的国家，研究动脉僵硬度与慢性疾病之间的关系变得尤为重要。近年来，越来越多的证据表明，动脉僵硬度不仅与心血管事件和死亡率相关，还可能与眼科疾病如青光眼的发生存在潜在联系。这一发现为青光眼的早期筛查和风险分层提供了新的视角，尤其是在资源有限的地区，如何通过简便、经济的方法实现大规模人群的健康监测成为研究的重点。

青光眼是一种常见的致盲性疾病，其早期症状不明显，通常在疾病进展到较晚期时才会被发现。这种特点使得青光眼的早期诊断和干预尤为重要，但传统的眼科筛查方法往往依赖于专业医生和昂贵的设备，如眼底照相、光学相干断层扫描（OCT）等。在中国，由于青光眼专科医生数量有限，大规模筛查面临显著挑战。因此，探索能够有效补充现有筛查手段的系统性生物标志物，对于提高青光眼筛查的可及性和准确性具有重要意义。

本研究利用了中国健康与退休追踪调查（CHARLS）的数据，对估计脉搏波速度（ePWV）与青光眼发病率之间的关系进行了深入分析。ePWV是一种基于年龄和血压计算的非侵入性动脉僵硬度指标，已被广泛用于预测心血管事件和死亡率。通过将ePWV纳入青光眼筛查模型，研究人员希望评估其作为风险分层工具的潜力，并探讨其在人工智能（AI）辅助筛查中的应用前景。

研究结果显示，在7年的随访期间，ePWV最高的四分位组（≥10.58 m/s）与ePWV最低的四分位组（<8.01 m/s）相比，青光眼的发病率显著升高。具体而言，ePWV每增加1 m/s，青光眼的发病率就上升7%。这一线性剂量反应关系表明，动脉僵硬度的增加与青光眼风险之间存在明确的关联。此外，ePWV的预测能力优于单独使用年龄或血压，这进一步强调了其在风险评估中的价值。

在亚组分析中，研究人员发现ePWV与青光眼之间的关系在大多数人群中保持一致，但在饮酒状态方面存在显著的修饰效应。非饮酒者中，ePWV与青光眼的关联更为显著，而饮酒者中则未观察到明显的关联。这一结果可能与非饮酒者的年龄较大和基础动脉僵硬度较高有关，而年轻饮酒者可能尚未表现出与动脉僵硬度相关的青光眼风险。通过年龄分层分析，研究人员确认了ePWV与青光眼之间的关系在≥58岁的群体中依然显著，且饮酒状态的修饰效应在这一年龄层中不再明显，这表明年龄是影响ePWV与青光眼关联的重要因素。

研究还探讨了ePWV在青光眼筛查中的实际应用价值。ePWV的计算仅需年龄和血压数据，这使得它在初级保健环境中易于获取且成本低廉。与需要专业设备的眼底照相或OCT相比，ePWV的使用可以显著降低筛查的门槛，提高筛查的普及率。此外，ePWV的非侵入性特点使其在大规模人群健康监测中具有独特优势，能够为AI模型提供额外的系统性血管信息，从而增强模型的预测能力。

在AI辅助筛查的应用方面，ePWV的引入为开发更精准、高效的青光眼风险评估工具提供了新的思路。通过将ePWV与其他眼部影像数据（如眼底照相和OCT）结合，可以构建多模态AI模型，以更全面地评估青光眼风险。这种模型不仅能够识别那些通过传统方法难以判断的病例，还能在资源有限的地区实现更广泛的筛查覆盖。同时，ePWV的使用有助于实现青光眼筛查的自动化，减少对专业眼科医生的依赖，提高筛查效率。

然而，本研究也存在一些局限性。首先，青光眼的诊断依赖于自我报告，缺乏眼底影像或眼压测量的直接确认，这可能导致一定的误诊风险。其次，研究中未获得眼压和详细眼科检查数据，限制了对青光眼亚型（如正常眼压性青光眼和高眼压性青光眼）的分析，这可能影响AI模型的分层能力。此外，ePWV作为间接的动脉僵硬度替代指标，其预测精度可能受到测量误差的影响，特别是在与直接测量的颈动脉-股动脉脉搏波速度（cfPWV）进行比较时。因此，未来的研究需要进一步验证ePWV在AI模型中的预测效果，并探索其在不同人群中的适用性。

本研究的发现不仅为青光眼的早期筛查提供了新的思路，也为AI技术在眼科领域的应用拓展了可能性。通过将ePWV作为输入参数，AI模型可以更全面地评估青光眼风险，特别是在缺乏先进设备的地区。此外，ePWV的引入有助于实现青光眼筛查的自动化和标准化，从而提高筛查的效率和可及性。随着AI技术的不断发展，ePWV作为一种简单、经济、非侵入性的指标，有望在未来成为青光眼筛查的重要组成部分。

从公共卫生角度来看，青光眼的早期筛查和风险分层对于减少致盲率具有重要意义。特别是在中国这样人口众多、老龄化趋势显著的国家，ePWV的使用可以为青光眼筛查提供一种可行的解决方案。通过将ePWV纳入AI模型，研究人员可以开发出更加精准和高效的筛查工具，帮助识别高风险人群，从而实现早期干预和治疗。此外，ePWV的使用还可以促进青光眼筛查的普及，特别是在基层医疗单位和社区健康服务中心，这些地方往往缺乏专业的青光眼筛查资源。

在生物机制层面，研究结果支持了血管理论在青光眼发病机制中的作用。动脉僵硬度的增加可能通过影响眼内血流动力学，导致视神经头部的血流调节受损，从而增加青光眼的风险。此外，动脉僵硬度反映了血管老化、内皮功能障碍和微血管重塑等综合病理过程，这些因素都可能降低视神经的灌注储备，进而促进青光眼的发展。因此，ePWV不仅是一个简单的生理参数，更是一个能够反映系统性血管健康的综合指标，具有重要的临床和科研价值。

综上所述，本研究通过大规模的前瞻性队列分析，揭示了ePWV与青光眼发病率之间的显著关联。这一发现为青光眼的早期筛查和风险分层提供了新的依据，同时也为AI技术在眼科领域的应用开辟了新的路径。未来的研究应进一步探索ePWV在不同人群中的适用性，并验证其在AI模型中的预测效果，以期开发出更加精准和高效的青光眼筛查工具。此外，随着AI技术的不断进步，ePWV的引入有望为青光眼的预防和管理提供新的策略，特别是在资源有限的地区，实现更广泛的健康监测和干预。