基于光学相干断层扫描血管成像参数的糖尿病视网膜病变预测模型构建及诺模图初步探索

为解决早期糖尿病视网膜病变(DR)风险预测难题，研究人员利用光学相干断层扫描血管成像(OCTA)参数构建预测模型。通过LASSO筛选出浅层旁中心凹毛细血管密度(CD)、深层旁中心凹CD、中心凹无血管区周围300 μm区域(FD-300)CD等关键指标，训练集与验证集AUC分别达0.825和0.831。该诺模图为临床早期DR筛查提供可视化工具，并为OCTA自动化诊断软件开发奠定基础。

　　这项研究开创性地将光学相干断层扫描血管成像(OCTA)技术转化为临床实用工具，通过分析464例2型糖尿病患者数据，采用最小绝对收缩选择算子(LASSO)从15项参数中锁定5个黄金指标：浅层旁中心凹毛细血管密度(superficial parafoveal CD)、深层旁中心凹毛细血管密度(deep parafoveal CD)、中心凹无血管区外围300微米地带(FD-300 area)的毛细血管密度、眼轴长度(AL)和患者年龄。模型表现令人惊艳——曲线下面积(AUC)在训练组和验证组双双突破0.82大关，校准曲线更是如同量体裁衣般贴合实际数据。决策曲线分析(DCA)证实这套诺模图绝非纸上谈兵，而是能在临床决策中真正大显身手的智能导航仪。特别值得一提的是，该研究首次揭示视网膜不同层级微血管网络密度参数的预测价值差异，为破解糖尿病视网膜病变早期诊断难题提供了全新视角。这项成果不仅让眼科医生有了"预见未来"的风险评估神器，更将成为开发人工智能辅助诊断系统的奠基石，让OCTA技术从科研利器蜕变为临床常规武器。