在患有近视的糖尿病患者中早期检测视网膜和冠状腺微血管损伤
Yufei Wu1,2, Jiahui Jiang2, Xiaoyu Deng1
1Ophthalmology Center, The Affiliated Peoples Hospital of Ningbo University, Ningbo, Zhejiang, China.
Frontiers in cell and developmental biology
|June 10, 2025
概括
糖尿病患者的高近视与胆管血管性指数 (CVI) 的降低有关,这表明CVI监测有助于糖尿病视网膜病变的风险分层. 人工智能分析有助于早期检测微血管变化.
科学领域:
- 眼科医生 眼科 眼科
- 糖尿病学 糖尿病学
- 医疗成像医学成像
背景情况:
- 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因.
- 高近视是一种常见的并发症,可以影响眼睛结构.
- 了解视网膜和胸膜的输液变化对于治疗糖尿病眼病至关重要.
研究的目的:
- 评估和量化与糖尿病相关的视网膜和胆管 perfusion 变化,在高近视和没有高近视的个体.
- 探索这些 perfusion 变化与糖尿病风险因素之间的关联.
- 评估人工智能 (AI) 在分析这些变化的实用性.
主要方法:
- 133名糖尿病患者 (DM,DR和高近视群) 接受了眼科和内分泌学检查.
- 扫描源光学连贯性断层扫描血管学 (SS-OCTA) 评估了视网膜血管密度 (RVD),视网膜厚度 (RT),胸膜厚度 (CT),胸膜透 (CPV) 和胸膜血管度指数 (CVI).
- 深度学习 (U-Net,ResNet-50) 用于自动细分和血管分析.
主要成果:
- 内部环RVD和CVI在各组之间有显著差异 (P <0.05).
- 在所有组中,CT下降 (P<0.05).
- 人工智能分析显示,CVI和CT与年龄相关的降低和球体等效,表明早期的微血管功能障碍.
结论:
- 患有高近视的糖尿病患者的CVI显著低于DR患者.
- CVI监测可能有助于分层DR进展风险.
- 与人工智能相结合的SS-OCTA提供了一种精细的方法,用于早期检测糖尿病患者眼睛中的微血管损伤.
