基于视频眼动追踪的多系统萎缩与帕金森病眼动功能障碍鉴别研究

《Clinical Neurophysiology》：Ocular motor dysfunction in patients with multiple system atrophy and Parkinson’s disease

本研究针对多系统萎缩（MSA）与帕金森病（PD）临床鉴别难题，通过视频眼动图（VOG）系统评估两组患者的眼动特征。结果发现MSA患者在水平凝视诱发眼震（GEN）、垂直扫视过度（hypermetria）、扫视潜伏期延长、中枢性位置性眼震（CPN）及前庭眼动反射（VOR）取消受损等指标上显著多于PD患者（P<0.05）。这些眼动异常指标为MSA与PD的鉴别诊断提供了重要依据。

　　

在神经退行性疾病的诊断领域，多系统萎缩（Multiple System Atrophy, MSA）和帕金森病（Parkinson’s Disease, PD）的鉴别始终是临床医生面临的重大挑战。这两种疾病均以帕金森综合征为核心表现，但MSA的病变范围更为广泛，累及小脑、脑干等多系统，预后较差，早期准确鉴别对治疗决策和预后评估至关重要。然而，现有诊断方法主要依赖临床症状、影像学及功能检查，其敏感性和特异性有限，特别是在疾病早期阶段，误诊率较高。近年来，随着视频眼动图（Video-oculography, VOG）技术的普及，这种非侵入性的检查手段为探索神经系统疾病提供了新的窗口。眼动控制涉及大脑皮层、基底节、脑干和小脑等多个精密网络，其异常模式能间接反映特定脑区的功能状态。因此，深入研究MSA和PD患者特有的眼动特征，有望发现具有鉴别诊断价值的生物标志物。

本研究旨在系统比较MSA与PD患者的多项眼动指标，探索其在鉴别诊断中的价值。论文发表于《Clinical Neurophysiology》杂志。

为开展此项研究，研究人员主要应用了视频眼动图（VOG）技术对受试者的眼动功能进行定量评估。研究对象为来自北京大学第一医院、航天中心医院及首尔大学盆唐医院的23例MSA患者和49例PD患者构成的回顾性队列。通过VOG，研究人员系统分析了自发性眼震、扫视侵入/振荡、凝视功能、扫视参数（包括潜伏期和精确度）、头摇试验诱发的眼震、位置性眼震以及前庭眼动反射（VOR）取消功能等关键指标。

结果

自发性眼震、扫视侵入/振荡及反常头摇眼震

分析显示，自发性下跳性眼震（Downbeat Nystagmus, DBN）、扫视侵入/振荡以及反常头摇眼震（perverted head shaking nystagmus, pHSN）在MSA组和PD组之间的发生率无显著差异。

水平凝视诱发眼震

水平凝视诱发眼震（Gaze-Evoked Nystagmus, GEN）仅在MSA患者中被观察到，而在PD患者中未见，两组间差异具有统计学意义（P = 0.009）。这表明小脑通路受累在MSA中更为常见。

扫视参数

在扫视功能方面，MSA患者表现出显著更长的扫视潜伏期（包括水平和垂直方向）以及更明显的垂直扫视过度（hypermetria），与PD组相比，所有比较均具有统计学意义（P < 0.05）。这提示MSA患者的扫视启动和执行控制存在更严重的障碍。

中枢性位置性眼震

中枢性位置性眼震（Central Positional Nystagmus, CPN）在MSA患者中的发生率显著高于PD患者（P = 0.046），进一步支持了MSA中小脑或相关连接通路受损的普遍性。

前庭眼动反射取消

前庭眼动反射（Vestibulo-ocular Reflex, VOR）取消功能受损在MSA患者中极为常见，发生率高达95.7%，显著高于PD组的32.7%（P < 0.001）。VOR取消功能高度依赖于小脑绒球和副绒球的完整性，这一结果强烈提示MSA患者存在显著的小脑功能障碍。

讨论与结论

本研究的综合分析表明，尽管个别眼动征象（如自发性DBN和pHSN）的鉴别价值有限，但一组特定的眼动异常模式——包括受损的VOR取消、水平GEN、CPN、扫视过度和延长的扫视潜伏期——在区分MSA和PD方面具有重要价值。这些异常与MSA中更广泛的神经退行性病变，特别是小脑及其连接通路的受累密切相关。VOR取消受损作为小脑功能的敏感指标，在本研究中显示出极高的组间差异，凸显了其在鉴别诊断中的潜力。

该研究的重要意义在于，它系统性地验证了一系列眼动指标在MSA与PD鉴别中的应用价值，为临床提供了一套相对客观、非侵入性的辅助诊断工具。整合这些眼动特征的“组合指标”可能比单一指标具有更高的诊断敏感性和特异性，有助于早期识别MSA，从而进行更及时和有针对性的干预。未来需要更大样本、多中心的前瞻性研究来进一步验证这些发现的普适性，并探索其在疾病进展监测中的作用。总之，这项研究深化了对MSA和PD眼动表型的理解，为神经退行性疾病的精准诊断开辟了新的视角。