自身免疫性视神经炎的诊断与分类进展及挑战
摘要
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。
信息来源： PubMed Ophthalmology 发布于 2026年4月1日
要点速览
- 自身免疫性视神经炎是一组异质性疾病，包括多种病因，早期准确诊断至关重要。
- 标准化诊断路径应整合MRI、高质量抗体检测、OCT和视觉诱发电位。
- 液体生物标志物如sNfL和sGFAP，结合AI支持的分析，可能提高风险估计的准确性。
本站解读
自身免疫性视神经炎的诊断与分类正经历技术路线的重大变迁，这不仅影响着全球眼科行业的竞争格局，也深刻改变着中国患者的诊疗体验。从传统的临床评估到现代的多模态诊断手段，这一转变背后的核心逻辑在于提高诊断的准确性和效率。随着高分辨率MRI、高质量抗体检测和OCT等技术的广泛应用，诊断的精准度得到了显著提升。然而，这些技术的普及和标准化仍面临诸多挑战，如设备成本、操作规范和技术培训等问题。
国内外的研发管线也在不断推进，特别是在AI辅助诊断方面。国外一些领先的医疗机构和科技公司已经在这方面取得了初步成果，而国内企业也在积极布局。例如，AI在影像数据处理和多参数整合方面的应用，有望进一步提高诊断的准确性和速度。然而，这种技术进步也带来了新的竞争格局，护城河正在重新构建。那些能够快速适应新技术并在临床实践中有效应用的企业，将占据更有利的位置。
未来，需要密切关注的是标准化诊断路径的建立和推广。这不仅涉及技术层面的问题，还包括政策支持、医保覆盖和医生培训等多个方面。只有当这些因素协同作用时，才能真正实现自身免疫性视神经炎的精准诊断和个性化治疗。此外，液体生物标志物的研究进展也将是一个重要的观察点，它们在血清阴性病例中的应用可能会带来新的突破。
常见问题
自身免疫性视神经炎有哪些常见症状？
自身免疫性视神经炎的常见症状包括视力下降、视野缺损、眼球疼痛（尤其是眼球转动时）和色觉异常。如有疑虑可咨询眼科医生。
哪些检查可以帮助诊断自身免疫性视神经炎？
常用的检查包括眼眶磁共振成像（MRI）、光学相干断层扫描（OCT）、视觉诱发电位（VEP）和血液检测（如抗体检测）。如有疑虑可咨询眼科医生。
延伸阅读
多模态多任务AI模型优化角膜塑形镜适配
本研究开发了一种多模态多任务人工智能（AI）模型，旨在通过分析角膜地形图模式和预测眼轴长度（AL）增长，同时输出最佳的角膜塑形镜（Ortho-K）参数及预测的眼轴增长概率，以支持临床决策。该模型基于3529只近视眼的数据，包括Euclid和Alpha设计的Ortho-K镜片。研究结果显示，该模型在分类角膜地形图模式、预测眼轴增长率以及推荐镜片参数方面表现优异，为Ortho-K镜片的适配提供了有价值的决策支持。
高粘度硅油在视网膜脱离手术中的优势
本研究通过回顾性分析，比较了1000 cS和5000 cS两种不同粘度的硅油作为填充剂在初次黄斑脱离的孔源性视网膜脱离（RRD）手术后的效果。研究使用人工智能（AI）辅助的光谱域OCT图像分析方法，评估了最佳矫正视力（BCVA）、眼内压（IOP）、乳化情况以及视网膜结构生物标志物如视网膜下液（SRF）、视网膜内液（IRF）和高反射点（HRF）。结果显示，尽管两组在BCVA和解剖学结果上无显著差异，但低粘度硅油组的乳化率（66% vs. 7%）和高眼压发生率（8例 vs. 4例）均显著高于高粘度硅油组。此外，低粘度硅油组的HRF数量也显著增加。结论表明，高粘度硅油具有更低的乳化率和炎症反应，且不影响视觉效果。AI辅助的OCT分析为监测硅油相关并发症提供了准确、自动化的手段。
印度非眼科医生主导与AI辅助糖尿病视网膜病变筛查的实效性研究
该研究在印度农村地区评估了三种糖尿病视网膜病变（DR）筛查模式：非眼科医生主导的健康和福利中心（HWCs）筛查、基于智能手机的离线AI辅助社区筛查以及标准转诊护理。结果显示，非眼科医生主导的模型在DR检测中表现出86.4%的敏感性和94.3%的特异性，对于可转诊的DR（RDR），敏感性达到95.8%，特异性为93.1%。而离线AI辅助模型在RDR检测中的敏感性为93.3%，特异性为85.1%，但因图像质量问题导致不可分级率高达38%。研究表明，非眼科医生主导的筛查在准确性和操作可行性方面更优，而AI辅助筛查在社区使用中有潜力但需解决图像质量和技术限制。