强直性肌营养不良1型患者视网膜各层结构增厚
摘要
该研究对比了79只强直性肌营养不良1型（Steinert病）患者眼和128只健康对照眼的光学相干断层扫描（OCT）图像，分析后极部及视盘周围区域多个视网膜层厚度。结果显示，患者普遍存在视网膜各层增厚，尤其视网膜神经纤维层（RNFL）在颞侧视盘区及乳头黄斑束区域显著增厚。研究认为OCT可作为评估该病视网膜受累的潜在结构标志物。
信息来源： PubMed Ophthalmology 发布于 2026年1月1日
要点速览
- 研究纳入79只Steinert病患者眼和128只健康对照眼，使用OCT后极部及视盘周围协议分析8个视网膜层厚度。
- 发现患者普遍存在视网膜各层增厚，其中RNFL在颞侧视盘区及乳头黄斑束区域增厚最显著。
- 研究提出OCT可作为Steinert病视网膜受累的潜在结构生物标志物。
本站解读
这项研究首次系统揭示了强直性肌营养不良1型患者视网膜各层的结构性改变——不是萎缩而是广泛增厚，尤其RNFL在颞侧和乳头黄斑束区域明显变厚，这与既往对神经退行性疾病的认知相反，提示该病可能伴随异常的胶质增生或轴突肿胀。研究纳入79只患者眼和128只对照眼，样本量在罕见病OCT研究中属中等偏上，但未说明是否纵向随访、是否控制混杂因素如屈光度或白内障，因此尚不能确立因果关系或用于个体化追踪。
短期内难以改变临床做法：OCT已是常规检查，但目前没有针对Steinert病的视网膜厚度诊断阈值或干预指南，该发现属于机制探索阶段，距离写入诊疗规范至少还需验证性队列和自然史研究。普通人无需因此改变用眼习惯或筛查频率；该病属遗传性全身疾病，确诊依赖基因检测，如有家族史或已确诊，可将OCT纳入神经系统评估的一部分，如有疑虑可咨询眼科医生。国内情况有待确认。
常见问题
我被诊断为强直性肌营养不良，眼睛会出问题吗？
是的，这项研究发现强直性肌营养不良1型患者存在视网膜各层结构性增厚，尤其是连接视盘和黄斑的神经纤维层，提示眼部可能存在隐匿性受累。但这不等于视力会下降或需要特殊治疗，目前尚无证据表明这种改变影响视觉功能。如有疑虑可咨询眼科医生。
OCT检查能帮诊断强直性肌营养不良吗？
不能。OCT只能显示视网膜结构变化，不能用于确诊强直性肌营养不良；该病的确诊必须依靠基因检测。这项研究只是发现OCT可能作为辅助评估疾病眼部受累程度的工具，而非诊断手段。
延伸阅读
AI自动诊断黄斑裂孔并生成结构化报告
研究团队开发了一套端到端的智能AI工作流，用改进版RETFound模型分析OCT图像，自动判断是否为黄斑裂孔，并调用GPT-4生成患者易懂的结构化报告。内部测试（n=180）准确率达100%，AUC为1.00；外部验证（n=1014）准确率98.8%，敏感度97.9%，特异度100%，AUC达0.999。Grad-CAM分析证实模型关注的是黄斑区真实病灶。
中晚期干眼症结构生物标志物预测进展研究
MACUSTAR研究对577例中度年龄相关性黄斑变性（iAMD）患者进行了长达4年的随访，通过OCT等多模态影像分析多种视网膜结构标志物。结果显示，9.01%的眼在随访期内进展为地理萎缩（GA）或新生血管性AMD（nAMD），其中6.4%进展为GA、7.7%为nAMD。研究发现，不同标志物及其在视网膜中央3mm区域的分布与进展类型显著相关，如SDDs、PED、nCNV和cRORA提示总体进展风险，而nCNV体积仅增加nAMD风险。
轻量级AI模型可实现高血压视网膜病变床旁分级
研究团队开发了可在边缘设备（如便携式终端）运行的轻量级深度学习模型MobileViT-XXS，用于从en-face OCT图像对高血压视网膜病变（HR）进行患者级四分级评估。基于221名患者的478张OCT图像，在严格患者级划分的五折交叉验证下，该模型准确率达84.4%，ROC-AUC为0.944，kappa值0.916；对需转诊的HR（≥2级）识别准确率达95.6%，敏感度95.2%。模型仅占3.83 MB内存，推理速度达96帧/秒。