原发性干燥综合征精准诊断新进展
摘要
该综述指出，原发性干燥综合征（pSS）因血清阴性、疾病异质性和诊断延迟三大难题长期被误诊漏诊。约三分之一患者缺乏SSA/SSB抗体，导致识别困难。研究发现新型自身抗体如抗-DTD2、抗-RESF1、抗-CALR，以及唾液蛋白SP-1、PSP、CA6等多靶标组合，可在传统血清学转阳前检出疾病。唾液和泪液中的蛋白质、外泌体miRNA及代谢物等无创生物标志物，结合机器学习与AI分析，已实现接近活检的诊断准确率，并支持风险分层与个体化治疗。
信息来源： PubMed Ophthalmology 发布于 2026年3月24日
要点速览
- 约三分之一pSS患者缺乏SSA/SSB抗体，易被误诊或延迟诊断。
- 新型自身抗体（如抗-DTD2、抗-RESF1、抗-CALR）及唾液蛋白组合（SP-1、PSP、CA6）可实现早于传统血清学转阳的检测。
- 泪液与唾液中的蛋白质、外泌体miRNA和代谢物等无创生物标志物，结合机器学习可达到接近活检的诊断准确率。
本站解读
这项综述的核心结论很实在：原发性干燥综合征的诊断正从依赖滞后指标（如腺体活检、晚期出现的SSA/SSB抗体）转向更早、更准、更无创的多组学生物标志物体系。关键突破在于——多达三分之一的患者原本因‘血清阴性’被漏掉，而新发现的抗体组合和泪液/唾液分子指纹，能捕捉亚临床阶段的免疫异常。研究设计属于系统性文献综述，不涉及原始临床试验数据，因此样本量和统计效力无法直接评估，但所引证据链覆盖近年多项高质量队列与组学研究，整体可信度高。
短期内尚难改变一线临床做法：目前所有新型标志物均未进入常规检验目录，AI超声和多组学整合模型也处于验证阶段，离标准化试剂盒和医院LIS系统对接还有距离。真正落地需完成分析流程标准化、临床效度前瞻性验证及监管审批。国内情况有待确认。
普通人无需因此调整日常行为或自行检测；干燥症状持续存在者，如有疑虑可咨询眼科医生。这项进展的意义不在当下行动，而在推动未来5–10年诊断窗口前移——从出现明显腺体萎缩，提前到功能轻度受损阶段，从而为干预争取关键时间。
常见问题
我眼睛干、嘴里没味，查了SSA/SSB是阴性，是不是就不是干燥综合征？
不一定。原文明确指出，约三分之一的原发性干燥综合征患者本身就不产生SSA/SSB抗体，属于‘血清阴性’类型，容易被漏诊。目前已有多种新型抗体（如抗-DTD2、抗-RESF1）和唾液蛋白标志物可用于辅助判断。如有疑虑可咨询眼科医生。
听说用眼泪就能查出干燥综合征，是真的吗？
是真的，且已在研究中验证。原文提到，泪液中的β2-微球蛋白、簇蛋白、基质金属蛋白酶-9，以及外泌体miRNA和代谢物谱，都是敏感的无创生物标志物，能反映腺体功能障碍和免疫激活。这些指标结合人工智能分析，诊断准确率已接近腺体活检。
延伸阅读
大语言模型用于糖尿病视网膜病变患者教育的评估
研究对比了ChatGPT、Gemini、DeepSeek、Doubao、Copilot和Perplexity六款大语言模型在回答50个标准化糖尿病视网膜病变患者问题时的表现。由五名评审员依据安全、准确、共情、信息质量（DISCERN、JAMA等）、透明度和可读性等维度评分。结果显示，各模型安全响应率在86.0%至94.0%之间，准确性普遍较高，但共情能力差异明显；Perplexity在信息质量指标上得分最高，Gemini可读性最佳，但所有模型的Flesch阅读易度分均低于推荐阈值。
AI眼病诊断研究临床转化率低
这项系统综述分析了2020年至2025年8月间发表的43篇基于眼底照和OCT图像的深度学习眼病诊断研究，发现虽有超95%的模型宣称高准确率，但仅14.3%完成真正临床验证，23.1%未公开代码或实现细节。研究提出‘转化准备度框架’，整合技术透明度、验证严谨性与性能报告，为眼科AI落地提供评估标准。
AI眼底诊断为何难进诊室？系统综述揭示三大落地障碍
该系统综述分析了2018至2025年间34项研究，指出AI在糖尿病视网膜病变、青光眼、早产儿视网膜病变和年龄相关性黄斑变性等眼病诊断中准确率常超90%，表现媲美甚至优于专家医生。但临床实际应用仍受限，主要存在三方面缺口：AI工具难以嵌入现有诊疗流程、决策过程缺乏透明度、在不同人群中的泛化能力差。