视网膜层变薄作为中枢神经系统脱髓鞘疾病的预测标志：一项十年队列研究的启示

【编辑推荐】本研究针对中枢神经系统（CNS）脱髓鞘疾病早期诊断难题，利用英国生物银行队列的OCT（光学相干断层扫描）数据，首次系统评估视网膜结构（如mGCIPL、pRNFL）的预测价值。结果显示患者组视网膜层显著变薄（mGCIPL厚度p=4.91×10?10 ），构建的诊断模型AUC达0.779，并证实基线变薄可预测未来发病风险（HR:0.960）。该研究为CNS疾病提供了非侵入性生物标志物，具有重要临床转化意义。

　　

在神经科学领域，中枢神经系统（CNS）脱髓鞘疾病如多发性硬化症（MS）的早期诊断一直是临床难题。这类疾病因髓鞘破坏导致神经信号传导障碍，传统诊断依赖MRI等昂贵检查且难以捕捉早期病变。更棘手的是，约20%MS患者以视神经炎（ON）为首发症状，提示视网膜作为"脑部延伸"可能藏匿疾病密码。然而，现有技术缺乏能同时满足无创、高效且敏感的检测手段。

针对这一瓶颈，中国研究人员依托英国生物银行（UK Biobank）这一覆盖50万人的超级队列，开展了一项长达十年的探索性研究。团队创新性地利用光学相干断层扫描（OCT）技术——这种能实现视网膜微米级分层成像的"眼科CT"，系统分析了34,230名参与者数据。研究发现，在基线已确诊的61例患者中，黄斑神经节细胞内丛状层（mGCIPL）厚度差异极具显著性（p=4.91×10^?10
），视乳头周围视网膜神经纤维层（pRNFL）变薄同样显著（p=9.92×10^?6
）。更引人注目的是，通过整合mGCIPL、pRNFL和外侧颞侧黄斑厚度构建的诊断模型，其曲线下面积（AUC）达到0.779，展现出良好的鉴别效能。

研究团队采用三大关键技术：1）基于UK Biobank的社区队列设计，纳入40-69岁人群的长期随访数据；2）标准化OCT图像采集与分层分析技术，精确量化视网膜各亚层厚度；3）通过Cox回归模型前瞻性评估96例新发病例的预测因素。

【基线比较】横断面分析显示，CNS脱髓鞘疾病患者所有视网膜测量参数均薄于对照组，其中mGCIPL差异最显著。值得注意的是，仅1例患者有ON病史，提示变薄可能独立于视神经炎发生。

【预测模型】机器学习构建的组合标志物模型中，mGCIPL贡献度最高。模型在区分疾病状态时特异性达72.3%，敏感性为70.5%。

【前瞻性分析】平均随访7.3年间，基线mGCIPL每减少1μm，未来诊断风险增加4%（HR:0.960，95%CI:0.936-0.984）。外侧鼻侧黄斑变薄同样具预测性（HR:0.990，p=0.006）。

这项发表于《Journal of Neuroimmunology》的研究具有三重突破：首先，首次证实视网膜结构可作为CNS脱髓鞘疾病的"预警系统"，尤其对亚临床患者识别至关重要；其次，建立了一套可标准化推广的OCT评估流程，为临床实践提供工具；最后，揭示了神经退行性病变可能通过视网膜-脑轴早期显现的生物学机制。正如通讯作者Jianfeng Feng团队强调，该发现不仅为疾病筛查开辟新途径，更可能改变目前依赖症状出现的被动诊疗模式，实现"看见即干预"的精准医疗愿景。