视网膜微血管特征：2型糖尿病亚临床心血管疾病的无创检测新窗口

本研究针对2型糖尿病(T2D)患者亚临床心血管疾病(CVD)早期检测难题，通过多模态心脏影像与深度学习(DL)技术分析视网膜微血管特征。研究发现轻度背景性糖尿病视网膜病变与冠状动脉钙化(CAC≥100)、左心室同心重构(LVM/V≥1.0)及纵向应变受损(GLS<16%)显著相关，提示常规眼底筛查可作为T2D患者心血管风险评估的替代工具。该成果为无创、低成本筛查策略提供了新思路，发表于《Scientific Reports》。

　　

在2型糖尿病(T2D)患者中，亚临床心血管疾病(CVD)的早期检测一直面临重大挑战。尽管血清生物标志物如N末端脑钠肽前体(NTproBNP)和高敏肌钙蛋白被推荐用于筛查，但其可靠性常受肥胖、年龄和肾功能等因素干扰。更棘手的是，约78%的无症状T2D患者已存在心脏结构或功能异常——这种被称为"B期心力衰竭"的状态，显著增加后续心血管事件风险。如何通过简便、无创的方法识别这些高风险个体，成为临床亟待解决的难题。

英国莱斯特大学心血管科学系(University of Leicester, UK)的研究团队独辟蹊径，将目光投向糖尿病患者常规接受的眼底筛查。他们假设：视网膜作为人体唯一可直接观察的微循环系统，其病变可能反映全身性血管损伤，包括心脏微循环障碍和冠状动脉粥样硬化。为此，研究人员开展了一项前瞻性队列研究，通过多模态影像技术首次系统揭示了视网膜病变与亚临床CVD的关联，相关成果发表在《Scientific Reports》期刊。

研究采用三项关键技术方法：1) 纳入255例无症状T2D患者，通过英国国民保健体系(NHS)获取标准化视网膜照片并分级；2) 应用冠状动脉CT钙化评分(CAC)、心脏磁共振(CMR)和超声心动图全面评估心脏结构与功能；3) 采用四种深度学习模型(Xception/Inception/EfficientNet/MobileNet)分析视网膜微血管几何特征。

视网膜病变与冠状动脉粥样硬化的关联

研究发现，22%的轻度背景视网膜病变患者冠状动脉钙化评分(CAC)中位数达166 Agatston单位，显著高于无病变组的21单位(P<0.001)。调整混杂因素后，视网膜病变患者发生CAC≥100的风险增加2.63倍(95%CI 1.29-5.36)。

心脏结构与功能的重塑特征

CMR显示视网膜病变组左心室质量-容积比(LVM/V)显著升高(0.94 vs 0.90 g/mL，P=0.015)，提示同心性重构。应变分析更发现其全球纵向应变(GLS)降低1.3个百分点(15.2% vs 16.5%，P<0.001)，舒张功能参数E/e'也显著恶化(9.6 vs 9.0，P=0.012)。这些改变独立于传统危险因素，OR值达2.32-3.11。

深度学习模型的探索性分析

尽管四种DL模型对CAC≥100的预测特异性达99%，但敏感性不足导致曲线下面积(AUC)仅约0.5。视网膜静脉等效直径(CRVE)与LVM/V呈弱相关(r=0.134)，其他几何参数未见显著关联。

这项研究首次证实，即使是轻度糖尿病视网膜病变，也与T2D患者冠状动脉粥样硬化负荷增加、心脏重构和亚临床心功能受损密切相关。特别值得注意的是，这些关联在血清NTproBNP和肌钙蛋白水平无差异的群体中依然存在，凸显了视网膜评估的独特价值。尽管当前DL模型尚未实现理想预测效能，但常规眼底筛查已展现出作为心血管风险"哨兵"的潜力——在英国，这意味着每年约300万T2D患者可通过现有筛查程序获得额外心血管风险评估，无需额外检查成本。

该研究的临床意义深远：首先，确立了微血管病变作为T2D心脏损伤早期标志物的地位；其次，为资源有限地区提供了可行的筛查替代方案；最后，为开发融合视网膜特征的多参数预测模型奠定了基础。未来研究需扩大样本量、优化图像标准化处理，并探索视网膜病变进展与心血管事件的前瞻性关联。正如作者Gaurav S. Gulsin强调的："当患者眼底出现微动脉瘤时，他们的心脏可能正在发出无声的警报。"