原发性干燥综合征精准诊断：生物标志物与AI技术的突破
摘要
原发性干燥综合征（pSS）是一种系统性自身免疫疾病，其管理面临血清阴性、异质性和延迟诊断三大挑战。近期研究发现新的自身抗体如抗DTD2、RESF1和CALR，以及多联检测面板，可以在传统血清转换前识别疾病。非侵入性液体生物标志物如唾液和泪液中的β2-微球蛋白、簇集素等，结合机器学习，可实现高精度诊断。AI辅助超声和多组学数据集成模型进一步提高了预测准确性，有望加速早期诊断和个性化治疗。
信息来源： PubMed Ophthalmology 发布于 2026年3月24日
要点速览
- 新发现的自身抗体如抗DTD2、RESF1和CALR，可在传统血清转换前识别pSS。
- 非侵入性液体生物标志物结合机器学习，实现高精度诊断。
- AI辅助超声和多组学数据集成模型提高预测准确性，加速早期诊断。
本站解读
原发性干燥综合征（pSS）的诊断长期以来依赖于血清学检测和活检，但这些方法在面对血清阴性患者时显得力不从心。随着生物标志物研究的深入，新的自身抗体如抗DTD2、RESF1和CALR被发现，为血清阴性患者的诊断提供了新途径。这些生物标志物不仅能够更早地识别疾病，还能通过多联检测面板提高诊断准确性。
与此同时，非侵入性液体生物标志物的研究也取得了显著进展。唾液和泪液中的蛋白质组学和代谢组学指纹图谱，结合机器学习算法，可以实现与活检相当的诊断精度。这种技术的应用不仅减少了患者的痛苦，还提高了诊断的灵敏度和特异性。这标志着未来的眼科诊断将更加依赖于多组学数据和人工智能技术。
国内外的研发管线中，已有多个团队在推进相关技术的临床转化。例如，AI辅助超声技术已经在一些医疗机构中得到应用，能够更准确地量化腺体炎症。此外，集成AI模型对多组学数据的分析，也在逐步优化生物标志物的发现和临床应用。这些技术的发展将进一步推动眼科行业的竞争格局变化，那些能够快速整合新技术的企业将在未来的市场中占据优势。
后续需要密切留意的是，这些新技术在实际临床应用中的表现如何，特别是在大规模人群中的验证结果。此外，监管政策的变化也将对这些技术的推广产生重要影响。总之，原发性干燥综合征的精准诊断技术正在迎来一个全新的时代，这将为中国眼科行业带来深远的影响。
常见问题
这些新的生物标志物能帮助哪些患者？
这些新的生物标志物可以帮助那些血清阴性的原发性干燥综合征患者，他们在传统检测方法下难以确诊。
AI技术在诊断中具体怎么用？
AI技术可以通过分析唾液和泪液中的蛋白质组学和代谢组学数据，结合超声图像，提高诊断的准确性和灵敏度。
延伸阅读
跨厂商3D OCT扫描多病种检测的域迁移AI技术
本研究开发了一种基于深度学习的模型，能够分析来自不同厂商的3D OCT扫描图像，实现多病种分类。该模型在多个中心进行了回顾性队列研究，包括来自香港和越南的眼科医院、私人眼科中心及公开在线数据库的数据。模型仅使用来自Spectralis（Heidelberg Engineering）的3D扫描进行训练，并在九个外部数据集上进行了测试，其中包括Cirrus（Zeiss）的3D扫描和Spectralis的2D扫描。研究引入了“不确定”类别以处理未见过的黄斑病变，并加入了一个分诊模块。结果显示，该模型在不同厂商的3D扫描中表现出良好的性能，AUROC范围从0.779到0.999不等，微平均PPV从56.7%到72.0%不等，所有微平均NPV均超过97.5%。研究结果表明，这种跨厂商的深度学习模型具有广泛部署于不同眼科护理环境中的潜力，有助于提高现代眼科实践中的疾病检测和分诊效率。
泪液脂质组学标志物预测TAO活动性及临床特征关联
该研究通过泪液脂质组学分析，探讨了甲状腺相关眼病（TAO）活动期的脂质代谢变化，筛选出与疾病活动相关的生物标志物，并分析其与临床特征的相关性。研究纳入32例活动期TAO患者和30例非活动期TAO患者，采用液相色谱-质谱法（LC-MS）进行泪液样本的脂质组学分析，识别差异脂质分子。通过主成分分析（PCA）和偏最小二乘判别分析（PLS-DA）等多变量统计方法，结合机器学习算法评估脂质生物标志物的预测能力。研究发现，活动期TAO患者的泪液中存在247种显著差异的脂质，其中104种上调，主要涉及鞘脂、甘油磷脂和甘油脂。通过机器学习，选择了四种脂质（BisMePA(36:6e), MGMG(38:0), PC(38:3), SM(d38:1)），这些脂质对TAO活动性的预测能力良好（AUC >0.8）。此外，这些脂质与血液脂质指标、眼球突出度、Schirmer I试验结果以及视网膜无血管区面积（FAZ）显著相关。该研究为TAO活动期的生物标志物筛选提供了新途径，具有潜在的临床应用价值。
自身免疫性视神经炎的诊断与分类进展及挑战
自身免疫性视神经炎（ON）是一组异质性疾病，包括多发性硬化症（MS）、视神经脊髓炎谱系障碍（NMOSD）、髓鞘少突胶质细胞糖蛋白抗体相关疾病（MOGAD）及其他病因。早期和准确的诊断对于选择合适的治疗路径至关重要。本文综述了当前关于临床表现、警示信号以及结构化神经眼科评估的知识，并讨论了影像学、电生理学和液体生物标志物等辅助工具的应用。基于PubMed/MEDLINE数据库2000年1月至2025年6月期间的文献（重点是2022-2025年），并结合关键共识标准和里程碑研究的参考筛选，本文还探讨了诊断灰色地带，如血清阴性和未分类的ON，以及实际实施中的障碍，例如协议变异性、检测可及性、光学相干断层扫描（OCT）互操作性和报销问题。此外，文章概述了人工智能（AI）在影像数据分析和多参数整合中的应用前景。专家认为，标准化诊断路径应整合眼眶磁共振成像（MRI）、高质量抗体检测、OCT和视觉诱发电位（VEP）。液体生物标志物如血清神经丝轻链（sNfL）和血清胶质纤维酸性蛋白（sGFAP），结合AI支持的分析，可能有助于提高风险估计的准确性，尤其是在血清阴性病例中。