从血管造影到人工智能：视网膜微循环成像的发展历程

摘要

本文综述了眼微循环评估技术与概念的发展历程，分析了从侵入性染料血管造影向无创、定量成像技术的范式转变，并强调未来将多模态数据与人工智能相结合，构建可预测、个性化的诊断模型，是该领域的下一个前沿方向。

摘要

视网膜和脉络膜微循环是高度特化的血管网络，对视觉功能至关重要，并日益被视为系统性疾病的指示标志。几十年来，其评估主要依赖于有创的染料血管造影技术，该方法通过血管渗漏等继发性效应推断病理变化。目前正经历一场范式转变，由无创成像技术推动，这些技术能够以前所未有的分辨率直接可视化并量化微血管结构。其中最具代表性的是光学相干断层扫描血管成像（optical coherence tomography angiography），它可提供灌注血管的深度分辨三维图谱，从而生成用于评估血管完整性和缺血的客观生物标志物。其他互补技术进一步探测绝对血流量、高频血流动力学及细胞水平的灌注情况，形成丰富且多尺度的数据集。这一技术演进正在改变临床实践，促进糖尿病视网膜病变的早期前临床检测，优化新生血管性年龄相关性黄斑变性的治疗策略，并为血管因素在青光眼发病机制中的作用提供新的见解。展望未来，将这些多模态数据流与人工智能相结合，有望将海量信息转化为疾病风险与进展的预测模型。这标志着精准眼科学和眼组学（oculomics，即通过大规模、数据驱动的方式分析眼部影像生物标志物，以评估全身健康状况并预测疾病风险）新时代的到来，在数据处理、量化分析和可及性方面带来变革性的提升。

引言

微循环由直径小于150 µm的微动脉、毛细血管和微静脉组成，是组织内氧气和营养物质交换的基本界面¹。然而，在眼科成像中，这一定义需要进行功能性扩展。虽然脉络膜毛细血管才是真正意义上的微血管界面，但其血流动力学状态与下方Sattler层和Haller层的较大血管密切相关。因此，在本综述中，脉络膜血管系统被视为一个整体的血流动力学单位，其中Sattler层和Haller层的宏观血管作为上游调节者，调控脉络膜毛细血管的灌注及微循环环境。眼部血管网络结构复杂，具有为视网膜提供双重供血的系统以及代谢极为活跃的脉络膜，这些均受到精密的自身调节机制控制，对维持神经元和光感受器功能至关重要。因此，视网膜-脉络膜微循环的异常不仅提示局部眼科病变，还可作为系统性血管、代谢²和神经退行性疾病³的强有力生物标志物。将眼睛视为反映全身健康的“窗口”这一理念，正随着技术创新的推动⁴，从定性的临床评估逐步发展为可量化的诊断现实。

从历史上看，对（微）血管系统的评估仅限于通过眼底照相进行定性的形态学观察⁵。基于染料的血管造影技术（如荧光素血管造影（FA）和吲哚菁绿血管造影（ICGA））的出现，通过成像灌注动态和血管完整性引入了功能维度，从而彻底改变了该领域⁶。然而，这些技术的侵入性及其在概念上依赖于染料渗漏等继发性病理现象，带来了显著的局限性⁷。过去十年见证了第二次更为深刻的范式转变，其标志是非侵入性、高分辨率和定量成像技术的兴起。以光学相干断层扫描血管造影（OCTA）为引领，这些方法通过运动对比直接可视化微血管系统，提供了前所未有的结构细节，并实现了对血管密度（VD）和灌注面积等参数的客观量化^8,9,10。本综述旨在分析技术与概念的发展历程（表1），比较现有及新兴技术的原理、优势与局限性，评估其在主要疾病状态中的临床应用价值，并探讨未来的发展前景——多模态数据融合与人工智能（AI）有望重新定义眼病及全身性疾病的诊断与预后框架。

表1：后段微循环评估技术的比较。 主要成像方式在多个关键领域进行了对比，包括其工作原理、侵入性程度、主要输出参数、空间和时间分辨率、主要临床应用以及基本优势与局限性。缩写：FA = 荧光素血管造影；ICGA = 吲哚菁绿血管造影；OCTA = 光学相干断层扫描血管成像；DOCT = 多普勒光学相干断层扫描；LSFG = 激光散斑血流成像；AOSLO = 自适应光学扫描激光检眼镜；VD = 血管密度；FAZ = 黄斑无血管区；MBR = 平均模糊速率。 请点击此处下载该表格。

方案

基于染料的血管造影作为基础性金标准
数十年来，基于染料的血管造影一直是视网膜血管疾病诊断的基石。荧光素血管造影（FA）依赖于静脉注射荧光素钠，这是一种小分子染料，可从血-视网膜屏障（BRB）受损的血管中渗漏，产生高荧光信号，这是活动性疾病的典型特征。其显示渗漏的能力具有独特且不可替代的优势，使其成为评估血-视网膜屏障完整性和疾病活动性的金标准，而这是目前光学相干断层血管成像（OCTA）所不具备的功能。此外，超广角（UWF）FA能够提供周边视网膜的全景视图，对于糖尿病视网膜病变（DR）和视网膜静脉阻塞（RVO）等疾病的管理至关重要。吲哚菁绿血管造影（ICGA）则使用一种较大、与蛋白质结合的染料，主要保留在脉络膜毛细血管中¹¹。其近红外荧光可穿透视网膜色素上皮（RPE）等色素性结构，因此是观察脉络膜循环以及诊断如息肉样脉络膜血管病变（PCV）和隐匿性病变¹²的决定性工具。

这两种技术的主要局限性在于其侵入性，存在引发不良反应的风险，因而限制了其在频繁监测中的应用。然而，更根本的局限在于概念层面。这些技术通过继发性效应——即渗漏（FA）或充盈缺损（ICGA）——来定义病理状态，而非直接可视化原始的血管结构本身。在许多情况下，严重的渗漏可能遮蔽正在研究和治疗的新生血管复合体。这一根本性局限催生了明确的临床需求：需要一种能够直接成像血管结构、且不受其功能状态影响的技术，从而推动了光学相干断层血管成像（OCTA）技术的革命。

向光学相干断层扫描血管成像的技术范式转变
光学相干断层扫描血管成像（OCTA）是结构光学相干断层扫描（OCT）的一种功能扩展，能够在无需任何染料注射的情况下生成三维血流图。该技术基于运动对比原理，通过在相同位置高速重复采集OCT B扫描图像，检测由流动红细胞引起的信号去相关性。通过分离这些去相关信号，OCTA可在计算上重建出极为精细的灌注血管网络¹³。

该技术的革命性影响源于若干关键的技术优势。其非侵入性特点使得成像过程快速、安全且可频繁进行，从而将慢性疾病的管理从间歇性干预转变为连续监测¹⁴。该技术可提供深度分辨的三维数据，能够对不同的血管丛（例如，浅层和深层视网膜毛细血管丛、脉络膜毛细血管层）进行分割并独立分析，揭示出二维荧光血管造影（FA）无法观察到的深度特异性病理变化¹⁵。或许其最重要的贡献在于其内在的定量特性。OCTA可生成微血管健康的客观且可重复的生物标志物¹⁶，包括血管密度（VD），用于测量灌注血管所占组织面积的比例；中心凹无血管区（FAZ）参数，该区域为生理性的无血管区，其扩大或形态不规则可作为旁中心凹缺血的敏感指标¹⁷；以及灌注密度（PD）¹⁸。由于OCTA成像是基于血流而非染料，不受渗漏干扰，因此可在湿性年龄相关性黄斑变性（AMD）等疾病中精确描绘新生血管复合体的结构¹⁹。

尽管OCTA具有诸多优势，但也存在局限性。其视野通常小于超广角荧光素血管造影（UWF-FA），尽管通过拼接技术和扫频源技术正在逐步改善。OCTA容易产生伪影，包括由患者运动引起的运动伪影，以及表层血管信号被错误投射到深层结构的投射伪影。此外，OCTA图像质量高度依赖信号强度，且易受介质混浊（如白内障或玻璃体出血）影响，可能导致分层错误。最为重要的是，OCTA无法检测渗漏，而渗漏是炎症活动和血-视网膜屏障（BRB）破坏的关键指标。最后，该技术受限于其检测阈值；对于流速极慢或血流极低、低于去相关噪声基线的血管，OCTA可能无法显示，从而可能低估微动脉瘤等病灶的实际发生率，相较于荧光素血管造影（FA）而言。

对绝对血流量和更高分辨率的追求
尽管光学相干断层扫描血管成像（OCTA）已彻底改变了微血管网络的形态学可视化，但其根本局限性在于无法量化绝对血流速度。标准OCTA仅能提供二元信息（有血流 vs. 无血流）或相对强度指标，而无法确定红细胞运动的实际速度。这一量化空白使得多普勒光学相干断层扫描（DOCT）仍具有持续的重要性。与基于振幅的OCTA不同，DOCT利用背向散射光的相位偏移来计算绝对血流速度。虽然OCTA提供了灌注的替代图谱，但其他技术则致力于更直接或更高分辨率地测量血流。DOCT是一种基于OCT的技术，通过测量运动红细胞背向散射光的多普勒频移来计算血流速度^20,21。通过将速度与血管横截面积相结合，DOCT可对单个视网膜血管中的血流量进行绝对定量（单位为 µL/min）^22,23，从而提供最直接的生理学数据。然而，其临床应用因严重依赖多普勒角（即成像光束与血管之间的夹角）而受到极大限制。角度估计不准确会导致血流计算出现显著误差，使该技术难以操作，限制了其广泛应用。OCTA在临床上的广泛成功与DOCT仅限于小众研究角色之间的对比，揭示了医学技术发展中的一个关键原则：一个可重复但间接的生物标志物（如OCTA提供的血管密度VD）通常比一种直接但技术要求高的测量方法（如DOCT提供的绝对血流量）更具临床价值。

另外两种光学技术分别在时间分辨率或空间分辨率上拓展了成像的边界。激光散斑血流成像（Laser speckle flowgraphy, LSFG）利用激光散斑图案的模糊程度生成实时的二维相对血流速度图^24,25。LSFG 的主要优势在于其出色的时间分辨率，可达约 30 Hz，能够捕捉心动周期中的血流搏动性变化²⁶。这一能力使 LSFG 成为研究血管自身调节和血流动力学的有力工具²⁷，尤其适用于青光眼研究²⁴，因为在该疾病中，眼灌注压和血流搏动性的改变被认为参与了发病机制。LSFG 的主要局限在于缺乏深度分辨能力，视网膜与脉络膜信号相互重叠，且仅提供一种相对度量指标——平均模糊率（mean blur rate, MBR），而非绝对血流量²⁸。在另一端，自适应光学扫描激光检眼镜（adaptive optics scanning laser ophthalmoscopy, AOSLO）通过结合波前传感器与可变形镜面，校正眼球的光学像差，实现衍射极限水平的成像²⁹。其空间分辨率无与伦比，可清晰显示单个感光细胞、神经纤维³⁰，甚至单个血细胞在最细小毛细血管中的流动过程³¹。作为基础研究工具，AOSLO 能够在细胞水平揭示微循环病理生理学特征。然而，其视场狭窄、成本高昂且系统复杂，限制了 AOSLO 的应用范围，目前仅限于专业研究机构使用。LSFG 与 AOSLO 之间的对比体现了成像技术中时间分辨率与空间分辨率之间的根本权衡：前者回答血流变化的时间与速度问题，后者则揭示最精细结构的形态与位置信息。

用于微血管分割与重建的人工智能架构
视网膜微循环的分析精度从根本上受限于成像技术的物理边界。尽管基于染料的血管造影和光学相干断层血管成像（OCTA）能够提供可视化数据，人工智能已发展出克服这些成像方式固有局限的能力，从而构建出一种互补的诊断系统。在作为大规模筛查主要手段的彩色眼底摄影（CFP）中，人工智能的应用集中于提取大血管的拓扑结构。尽管CFP缺乏可视化深层毛细血管丛所需的深度分辨率，人工智能算法仍可量化诸如小动脉与小静脉比率（AVR）、血管管径以及整体扭曲度等参数。相反，在OCTA中，人工智能应对的是高维数据带来的挑战。深度学习模型被用于消除运动伪影、增强血流信号，并实现自动化的分层分割，使分析从像素级观察转变为形态学的定量评估。

从定性成像到定量分析的演进依赖于精确的血管分割。视网膜血管具有树状分叉结构，并表现出多尺度变化，在病理状态下难以进行分割。当前的标准方法采用U-Net架构及其变体。为解决低对比度区域中小血管丢失的问题——这是微循环分析中的一个关键局限性，研究人员已开发出如增强特征动态融合网络（EFDG-UNet）等架构。通过引入特征聚合模块和自适应残差块，这些模型能够捕捉长距离依赖关系，在标准数据集上的AUC评分可达0.9932，且对出血和血管交叉重叠情况表现出较强的鲁棒性。此外，为了缓解标注微血管掩膜数据稀缺的问题，研究正转向无监督学习。例如BioVessel-Net框架将血管生物统计学与生成对抗网络（GANs）相结合，并采用空间定殖算法来保证拓扑结构的一致性，而无需依赖大规模的人工标注。

作为疾病特异性的多模态策略的临床应用
最佳诊断范式并非用一种技术全面取代另一种技术，而是根据病理生理学基础，针对特定疾病将多种检测手段进行精密整合，以解决具体的临床问题。这一转变是从通用工具转向个体化的诊断工具组合（表2）。

表2：多模态微循环成像推动临床管理的范式转变。 主要视网膜疾病与关键病理生理学问题相对应，并结合不同成像方式提供的互补信息，反映出从描述性、病灶为基础的诊断向定量评估的转变，包括糖尿病视网膜病变（DR）的早期风险分层、新生血管性年龄相关性黄斑变性（nAMD）中解剖存在与功能活动的区分、视网膜静脉阻塞（RVO）中缺血负荷的评估，以及青光眼中血管因素对神经退行性变的贡献。缩写：AMD = 年龄相关性黄斑变性；DR = 糖尿病视网膜病变；ETDRS = 早期治疗糖尿病视网膜病变研究；FA = 荧光素血管造影；FAZ = 黄斑无血管区；ICGA = 吲哚菁绿血管造影；LSFG = 激光散斑血流成像；nAMD = 新生血管性年龄相关性黄斑变性；OCTA = 光学相干断层扫描血管成像；PCV = 息肉样脉络膜血管病变；RVO = 视网膜静脉阻塞。 请点击此处下载该表格。

糖尿病视网膜病变
在糖尿病视网膜病变（DR）中，光学相干断层扫描血管成像（OCTA）的价值远不止于早期检测；它正在推动对疾病自然病程的重新定义。OCTA能够在眼底镜检查尚无任何病灶可见之前，揭示微血管丢失、毛细血管无灌注以及黄斑无血管区（FAZ）的结构重塑，从而识别出一种临床前的、亚形态学水平的缺血性病变阶段³²，这一发现挑战了传统的ETDRS分类体系，并在最早时间点提供了可用于风险分层的定量生物标志物。此外，OCTA能够精确定位特定视网膜血管丛内的微血管异常，这不仅仅是解剖学上的观察发现；它为临床表现提供了潜在的机制解释，并可能优化治疗决策³³。例如，区分深层毛细血管丛的视网膜内微血管异常（IRMA）与早期新生血管，可能从根本上改变启动抗VEGF治疗的阈值³⁴。然而，一个关键的临床挑战源于结构与功能之间的分离现象。OCTA能有效量化结构性的无灌注，描绘出缺血性损伤累积的、通常是既往的病理痕迹；相比之下，荧光素血管造影（FA）则显示血-视网膜屏障的功能性破坏，通常反映急性或活动性疾病的病理状态。一名患者可能在OCTA上显示广泛的毛细血管丢失，但在FA上仅有轻微渗漏（代表慢性、不可逆的结构缺损），反之亦然。这种区分对治疗决策至关重要，因为它区分了永久性组织丧失与可治疗的活动性渗出。因此，最完整的临床评估需要整合两种检查手段：OCTA用于评估微血管结构的完整性，FA用于评估屏障的功能状态。

年龄相关性黄斑变性（AMD）
在新生血管性 AMD 中，光学相干断层扫描血管成像（OCTA）通过更清晰地显示脉络膜新生血管（CNV）网络的形态和范围，彻底改变了临床决策。准确描绘 CNV 的形态和范围对于指导和监测治疗至关重要³⁵。然而，这种清晰度也带来了新的临床问题。OCTA 显示的是血管结构，即使在抗 VEGF 治疗已消除渗漏后，该结构在解剖上仍可能持续存在；相比之下，荧光素血管造影（FA）显示的是活动性渗漏，而这才是直接的治疗靶点。这使得核心临床问题从“是否存在 CNV？”转变为“CNV 是否处于活动状态？”。这一区别对于现代“治疗-延长”方案至关重要，因为是否需要再次治疗通常取决于是否存在活动性证据。此外，OCTA 在识别非渗出性或静止性 CNV 方面发挥了重要作用，挑战了长期以来认为只要存在新生血管复合体就必须进行治疗的传统观念，并将关注点转向对这些病变未来转化风险的分层评估。在这一复杂的诊疗背景下，吲哚菁绿血管造影（ICGA）的作用依然稳固且不可或缺，作为识别息肉样脉络膜血管病变（PCV）的金标准，PCV 是一种重要的 AMD 亚型，其特有的血管特征（终末息肉）最能通过 ICG 染料的独特性质得以充分显现³⁶。

视网膜静脉阻塞（RVO）
OCTA 的分层分析能力为研究 RVO 提供了此前无法获取的关键病理生理学视角。一致的研究发现表明，深层毛细血管丛比表层毛细血管丛受到更严重且更优先的损伤，这一发现为临床上常见的顽固性黄斑水肿的发生提供了有力的机制性解释³⁷。深层毛细血管丛位于动脉供血区域之间的血管边缘带，因此极易受到缺血性损伤³⁸。该发现增强了对疾病病理生理过程的理解。此外，黄斑区 OCTA 参数（如血管密度）与超广角荧光素血管造影（UWF-FA）所显示的周边无灌注范围之间存在显著相关性，这一发现具有重要的临床意义³⁹。这提示黄斑微血管可作为视网膜整体缺血状态的无创替代指标；因此，通过快速、无创的黄斑扫描即可实现对新生血管并发症风险的分层评估，有望改变患者管理模式，并减少常规监测中对更具侵入性的超广角荧光素血管造影（UWF-FA）检查的需求⁴⁰。

青光眼
在青光眼中，先进成像技术的应用直接回应了核心病因学争议：血管调节功能障碍是神经退行性变的原发性原因，还是萎缩轴突代谢需求降低所导致的继发性血管变细的结果？⁴¹ 光学相干断层扫描血管成像（OCTA）和激光散斑血流成像（LSFG）提供了互补的数据以探究这一问题。OCTA 可提供微血管结构的高分辨率静态图像，量化视神经乳头及视盘周围区域的血管密度^42,43；这些结构参数与现有的神经组织丢失及功能性视野缺损密切相关。它能够有效测量已发生的损伤。相比之下，LSFG 提供关于灌注和血流搏动性的动态实时数据⁴⁴。它可捕捉血流的生理过程，可能在OCTA或结构OCT尚未显示不可逆结构损伤之前，就识别出病理性自身调节功能障碍。因此，将OCTA提供的静态结构数据与LSFG提供的动态灌注数据相结合，不仅仅是一种简单的叠加过程⁴⁴；而是旨在从青光眼疾病进程中区分因果关系的一项战略性努力。在OCTA显示结构仍保留的情况下，若LSFG检测到血流动力学异常，此类患者可能成为识别快速进展高风险个体的有力范式，从而为针对疾病血管成分的靶向性神经保护治疗开辟道路。

葡萄膜炎和脉络膜毛细血管炎症的评估
后葡萄膜炎及炎症性脉络视网膜病变的评估是多模态影像学的前沿领域，尤其体现在对难以直接观察的脉络膜毛细血管层（choriocapillaris）的评估上。传统上，吲哚菁绿血管造影（ICGA）是唯一能够显示脉络膜炎症的影像手段，可揭示出低荧光暗点，提示间质性炎症或缺血。然而，这些低荧光病灶的解读长期停留在定性层面，且受限于造影剂的侵入性使用。光学相干断层扫描血管成像（OCTA）的出现从根本上改进了这一评估方法，其提供了一种无创、可分层成像的脉络膜毛细血管视图，能够识别并量化血流空缺区域及信号缺失区，这些区域对应于毛细血管无灌注或短暂性缺血。

在Vogt-Koyanagi-Harada（VKH）综合征和白点综合征等炎症性脉络视网膜疾病中，OCTA显示这些血流空缺区域与ICGA上的低荧光区域相对应，但OCTA在监测疾病活动性方面具有更优的分辨率。尤为重要的是，纵向OCTA成像揭示了这些血流空缺在皮质类固醇治疗后具有可逆性，从而确立脉络膜毛细血管再灌注作为治疗反应的一种新型、客观的生物标志物。此外，由于存在炎症性渗漏和视网膜水肿的干扰，炎症性脉络膜新生血管（CNV）的诊断面临独特挑战。OCTA依赖运动对比而非染料通透性，能有效抑制炎症渗出信号，从而清晰显示新生血管网络。这一能力对于区分活动性炎症性CNV与单纯炎症病灶尤为关键，有助于避免不必要的免疫抑制治疗或抗VEGF治疗。因此，结合ICGA进行全景疾病定位与OCTA对脉络膜毛细血管灌注的定量监测，已成为葡萄膜炎精准管理的现代标准。

超越图像：应对海量数据的挑战与迈向系统性整合之路
从高分辨率成像迈向可操作的智能，需要弥合原始数据采集与临床解读之间的鸿沟。随着该领域进入定量时代，出现了一个悖论：海量数据的涌现并未自动转化为临床智慧（图1），从而对影响临床决策构成了挑战^45,46。人工智能（AI），特别是深度学习（DL），已不再仅仅是分析的辅助工具，而是成像流程本身的基本组成部分，能够应对从信号重建到系统性预后预测等一系列挑战。

图1：视网膜与脉络膜微循环评估的历史与概念演进，描绘了从静态形态学观察到动态预测建模的发展轨迹。时间线概括了该领域的四次主要范式转变。这一历程始于形态学时代，眼底摄影提供了血管结构的基础性二维静态视图，但存在局限性。第一次革命出现在功能血管造影时代，通过使用侵入性染料（FA/ICGA）引入了动态生理维度，能够回答灌注和血管完整性的相关问题，尽管通常是通过观察渗漏等间接效应来实现。当前的无创定量时代由OCTA推动，标志着向直接可视化和量化三维微血管结构本身的转变，使核心临床问题转向在排除染料渗漏干扰因素的情况下评估结构完整性。时间线最终指向预测建模的未来时代，其重点将超越诊断本身。这一时代将以人工智能（AI）引擎融合多模态数据为特征，将基本临床问题从“病理是什么”转变为“患者未来的风险是什么”，从而实现主动、预判性且真正个体化的疾病管理策略。缩写：FA = 荧光素血管造影；ICG = 吲哚菁绿；OCTA = 光学相干断层扫描血管成像；AI = 人工智能。请点击此处查看该图的放大版本。

人工智能的首个重要应用在于图像增强和伪影消除，以解决当前因扫描协议各异以及专有算法导致结果不可比的问题⁴⁷。OCTA 采集易受运动伪影、投射伪影和低信噪比的影响，从而可能掩盖微血管细节。目前，深度学习架构（特别是生成对抗网络，GANs）正被用于从质量退化的输入中重建微血管拓扑结构。通过在高质量、平均化扫描图像上进行训练，这些生成模型能够对单次采集图像进行去噪，有效消除投射伪影，并在信号丢失区域恢复血管连续性，而无需延长采集时间。算法重建对于在不同硬件平台上标准化图像质量、建立透明且可重复的分析方法至关重要，是开展多中心试验的必要条件。

图像重建完成后，人工智能应用的第二阶段是通过语义分割实现自动量化。手动勾画病理特征（如毛细血管无灌注区（CNP）或FAZ的不规则边界）费时费力，且不同评估者之间存在显著差异。卷积神经网络（CNN），特别是采用带有跳跃连接的U-Net架构的网络，在分割这些特征方面的表现已达到与人类专家相当的水平。这些算法能够即时、可重复地量化灌注密度和血管骨架密度，有助于完成必要的验证流程，从而明确应当测量的指标（补充信息）。

然而，最具变革性的前沿领域是人工智能在眼组学（oculomics）中的应用，即从眼部影像中识别全身性生物标志物。视网膜微血管系统是全身循环的直接延伸，但全身性疾病的细微血管特征通常难以被人眼察觉。基于大规模人群数据集（例如 UK Biobank）训练的深度学习模型已成功仅通过视网膜图像预测出多种全身性参数，包括年龄、性别、吸烟状况和收缩压（表3）。更先进的模型现已能够预测主要不良心血管事件（MACE），并估算生物学年龄差距以评估死亡风险。通过将这些微血管信息与基因组学和临床数据整合，人工智能正将眼睛从传统的观察器官转变为临床决策支持工具^48,49。此外，将这些经过验证的生物标志物与远程眼科平台相结合，有望实现更加公平的医疗保健。通过大规模部署由人工智能驱动的风险预测，可将高级诊断能力延伸至社区环境和医疗资源匮乏的人群，有效扩大对心血管疾病和神经退行性疾病的预防性医疗服务的可及性。最终，这一能力使视网膜微循环有望成为系统性疾病临床试验中治疗有效性的替代终点。例如，视网膜毛细血管密度的可量化变化可作为微血管保护的早期指标，相比等待重大不良事件的发生，可能显著缩短药物研发周期。实现这一愿景需要眼科医生、心脏病学家、肾病学家、内分泌学家以及药物科学家之间前所未有的跨学科合作。这标志着眼科影像技术的临床转化，为现代医学整体提供了一个直接观察治疗手段全身效应的活体窗口。

表3：人工智能算法在视网膜微血管应用中的性能总结 代表性深度学习模型应用于从血管分割到全身性疾病预测的临床任务，汇总了核心神经网络架构、目标微血管特征、临床应用及报告的性能指标。缩写：AD = 阿尔茨海默病；AI = 人工智能；AUC = 受试者工作特征曲线下面积；CNN = 卷积神经网络；CVD = 心血管疾病；FAZ = 黄斑无血管区；GNN = 图神经网络；LLM = 大语言模型；PD = 帕金森病；RNFL = 视网膜神经纤维层。请点击此处下载该表格。

结果

视网膜和脉络膜微循环评估领域正处于变革性转变之中，正从以有创、定性技术为主的时代，迈向以无创、定量和多模态成像为主导的新阶段。尽管基于染料的血管造影在特定问题（尤其是血管渗漏评估）上仍具有不可替代的重要作用，光学相干断层扫描血管成像（OCTA）已成为评估微血管结构与灌注的新基石。其提供客观、可重复量化指标的能力，从根本上改变了疾病的管理方式，实现了更早期的检测和基于数据的动态监测。未来的发展方向并非依赖某一种“更优越”的单一技术，而是对多种互补数据流进行智能化融合。下一个前沿是将多模态数据与人工智能相结合。目前，人工智能算法正在被开发用于通过去除伪影来提升图像质量、实现定量分析的自动化，并消除操作者依赖性^50,51。其目标是利用深度学习，从单纯的描述迈向预测阶段⁵²。通过对包含结构OCT、OCTA、激光散斑血流成像（LSFG）、临床数据及基因组学在内的大规模数据集进行模型训练，人工智能能够识别出微小且处于亚临床阶段的微血管特征指纹，从而预测未来疾病的发生或进展趋势⁵³。

然而，实现这一整合的道路充满挑战。主要局限在于深度学习缺乏可解释性，这使得预测背后的生物学依据变得模糊，从而影响临床信任度。具体而言，结构性异常与功能性异常之间的区分仍是一个关键障碍；预测性人工智能模型需要经过验证，以确保其能够区分真正的生理血流缺陷与由表层混浊、分割错误导致的信号衰减。此外，由于多模态数据集的异质性以及算法偏倚的风险，当前这些算法的泛化能力仍然有限。弥合算法潜力与临床实用性之间的差距，需要技术上的优化以及前瞻性试验，以确保这些预测工具在不同人群中均具有稳健性。预测能力将推动临床实践从对已显现损伤的被动应对，转变为基于风险的主动干预模式(图2)。眼睛作为系统健康的窗口，将从形态学检查转变为一种主动的智能传感器，真正实现精准、预测性和个性化医学的全部潜力。

图2：下一代人工智能驱动的眼科诊断概念框架，展示了从原始数据解读向预测性临床洞察的范式转变。该模型可视化了一种变革性的诊断流程，构想为一个数据精炼漏斗。该流程始于高维异质数据的汇聚（第1层：多模态数据输入），通过整合静态解剖信息（结构OCT）、精细的微血管结构（OCTA）、动态生理功能（LSFG）以及系统性患者背景（临床与基因组数据），构建出患者眼部状态的全面数字化表征。这些不同的数据流随后在复杂的AI引擎中进行整合（第2层），利用深度学习模型实现数据融合，并提取出复杂且多维度的生物标志物，而这些标志物通常难以被人类观察者察觉。系统性处理过程展示了如何将庞大的信息复杂性综合为简洁且具有临床意义的输出。最终目标是生成具有可操作性的临床输出（第3层），这些输出不仅具有描述性，更具备根本上的预测性和个体化特征。此类输出可为临床医生提供预后风险评分、未来病变的空间预测（例如病变热图）以及优化的、针对患者的管理建议。该框架标志着医学模式从被动的、基于模式识别的诊疗向主动的、数据驱动且真正具备预测能力的医疗范式的根本性转变。缩写：AI = artificial intelligence；LSFG = laser speckle flowgraphy；OCT = optical coherence tomography；OCTA = optical coherence tomography angiography。请点击此处查看该图的放大版本。