摘要：糖尿病视网膜病变（diabetic retinopathy，DR）是糖尿病最常见的微血管并发症之一。目前的DR分级系统主要是基于立体彩色眼底照相，但光学相干断层扫描、光学相干断层扫描血管成像以及人工智能等技术在DR的严重程度评估中也起着至关重要的作用。应用新兴
糖尿病视网膜病变（diabetic retinopathy，DR）是糖尿病最常见的微血管并发症之一。目前的DR分级系统主要是基于立体彩色眼底照相，但光学相干断层扫描、光学相干断层扫描血管成像以及人工智能等技术在DR的严重程度评估中也起着至关重要的作用。应用新兴检查技术可以使DR的分级更加精准，使治疗方案更加个体化。本文对DR分级的发展历史和技术更新作简要综述，旨在为分级的优化提供启示。
DR分级发展回顾
1.1 检眼镜
检眼镜是首个可以观察到眼底的技术手段。1953年，研究者首次使用检眼镜将DR依照严重程度分为Ⅰ~Ⅵ级［3］，该分级将视网膜脱离作为DR的终点，与现代分级系统十分相似。1966年，Lee等［4］提出的DR分级系统依据各类型DR病变受累的眼底面积大小，将每种病变分为0~5级，研究人员首次考虑到DR的多种病变可能独立发生而非依次进展，但受限于当时的检查技术，检查者的主观判断对结果的影响很难消除。1.2 立体彩色眼底照相（stereoscopic color fundus photography, SCFP）
SCFP的出现使DR能够以照片的形式保存和传播，极大地方便了患者不同时期眼底图像的纵向对比。目前指南中的分级系统仍基于SCFP［5］1.2.1 Airlie House分级
1968年，来自世界各地的50多名专家共同讨论制定了基于SCFP的Airlie House分级［6］。该分级明确了NPDR和PDR之间的基本二分法，是现代所有DR分级的基础。此外，Airlie House分级还首次提出了标准7视野（standard 7-field, 7SF）的检查模型，该模型在此后被广泛用于SCFP图像的标准化［7］。1.2.2 DR早期治疗研究（early treatment diabetic retinopathy study, ETDRS）分级
1991年，ETDRS小组对Airlie House分级进行改良，提出了ETDRS分级［7］。该分级将DR的总体严重程度划分为无DR（10、12级）、NPDR（20~53E级）、PDR（60~85级）共计17个等级，纳入了微动脉瘤、静脉串珠、硬性渗出、新生血管及玻璃体出血等各种病变类型，是迄今为止最详尽的DR分级，至今各种大型临床试验仍以ETDRS分级为金标准［8］。ETDRS分级还首次定义了有临床意义的黄斑水肿［7］，这是DME首次得到研究人员的关注，有临床意义的黄斑水肿至今都是DME激光光凝治疗的适应证。1.2.3 国际临床糖尿病视网膜病变（international clinical diabetic retinopathy, ICDR）分级
ICDR分级是2003年在ETDRS分级的基础上制定的［9］，该分级将ETDRS分级的17个级别提炼成5个，包括3个低风险等级（无明显DR、轻度NPDR和中度NPDR）、1个中风险等级（重度NPDR）和1个高风险等级（PDR）。相比于ETDRS分级，ICDR分级在临床场景中更加实用，是目前国际临床上应用最为广泛的DR分级。同时，ICDR分级还依据视网膜增厚或硬性渗出与黄斑中央凹的位置关系，将DME分为轻、中、重度。这一分级确定了DME严重程度评估的基本思路，即是否累及中央凹。2018年国际眼科理事会DR指南中对DR的分级沿用了ICDR分级，对DME的分级也与ICDR分级的思路类似，将DME分为中央受累和非中央受累两类［10］。1.2.4 我国DR分级
自1985年首次提出至今，我国的DR分级经历了数次修订，最新版中国DR诊疗指南中的分级方案沿用了2014年中华医学会发布的版本，该分级参考了ICDR分级并结合我国实际临床情况，将DR分为6期，前3期为NPDR，分级方式与ICDR分级一致，后3期为PDR，包括增生早期、纤维增生期及增生晚期［5］。研究人员还提出了“极重度NPDR”和“高危PDR”的概念，对DR进行更进一步的划分，而对DME的分级则沿用了国际眼科理事会对DME的分级方式。1.3 当前DR分级的局限性
1.3.1主观性差异与漏诊风险
当前DR分级主要依赖临床医生对眼底各病变特征（如微动脉瘤、硬性渗出、新生血管等）的解读，不同医生对图像的判读存在主观差异。另一方面，由于基层医院资源不足，SCFP设备分辨率低、视野范围狭小，可能会导致病变的遗漏，影响DR的早期发现。
1.3.2参数量化不足与技术限制
基于SCFP构建的分级体系缺乏更加细致的对病变面积或血流灌注等参数的量化标准，且受限于SCFP的摄像方式，可观察到的仅为表层大血管，但近年来深层血管及毛细血管密度等参数在DR评估中的地位正在不断上升［11］。在DME评估中，由于SCFP难以观测到视网膜的早期异常增厚，临床上也需要新的辅助工具对视网膜厚度进行检测。1.3.3分级细化不足
DME作为DR视力减退最常见的病因，其分级仅以中央是否受累分为两类，对视网膜厚度、水肿面积、水肿发生位置等均无细化的条目依据，致使临床上对DME的严重程度评估主观偏倚大，治疗方案选择难以个体化。详细的分级有助于病变的动态监测与危险性评估，为了解决以上这些问题，研究人员开始尝试使用新辅助工具进行DR严重程度的评估。
新兴检查技术在DR分级中的应用
2.1 超广角眼底照相（ultra-wide field photography, UWFP）
SCFP的视野范围为30°，7SF总计可覆盖视网膜的30%，而UWFP视野可达200°，能观测到80%的视网膜［12］。2022年我国DR诊疗指南认同了UWFP替代7SF用于DR分级的观点［5］，但并未基于UWFP对DR分级进行调整。为了适应原有的评价标准，研究人员常选择手动划定7SF区域，并对其余部位UWFP图像进行遮挡。Marcus等［13］发现UWFP评估7SF区域以外的病变可以提高对NPDR恶化的预测能力。这一结论为UWFP用于DR分级系统更新提供了依据。2.2 眼底荧光素血管造影（fundus fluorescein angiography, FFA）
FFA是通过血管内注射荧光染料后在不同时间点捕获图像，从而使眼底循环可视化。FFA检测低血流血管病变时灵敏度高，且对毛细血管渗漏显影清晰，临床研究中多以FFA为DR分级诊断的“金标准”。2020年我国一项早期DR诊断试验便是以FFA为“金标准”进行研究的［14］。但FFA作为一项有创检查，其可重复性较差，且对肝、肾功能不全及造影剂过敏的患者存在禁忌，这使其在DR分级中的应用受到限制。但在激光光凝治疗患者术前评估及术后疗效评价等方面，FFA仍有无可替代的地位。2.3光学相干断层扫描（optical coherence tomography, OCT）
OCT是采用低相干干涉测量法，生成视网膜冠状面各层微结构二维图像的一种非侵入性成像技术。欧洲眼科高级研究院选取中心凹厚度（T）、视网膜内囊肿（C）、椭圆体带和（或）外界膜状态（E）、视网膜内层紊乱（D）、高反射点（H）、视网膜下积液（F）、玻璃体视网膜关系（V）7种OCT生物标志物，将DME分为早期DME、进展期DME、重度DME和萎缩性DME 4个不同阶段，被称为TCED-HFV分级系统［15］。2023年我国有研究者基于TCED-HFV分级探索了不同DME分级与全身和局部炎性标志物的相关性，结果显示该分级可间接反映全身和局部炎性状态［16］。但新DME分级系统的可参考应用范例仍然较少，未来需要更多、更大范围的研究用于评价该分级系统的性能。2.4 光学相干断层扫描血管成像（optical coherence tomography angiography, OCTA）
OCTA是一种基于OCT的非侵入性血管成像技术，通过对血管内移动红细胞的检测，显示血管中的血液流动。2021年，Russell等［17］基于OCTA，把血流密度等参数与视网膜内微血管异常、新生血管等特征相结合，依据治疗方式的不同，将DR分为无DR、亚临床DR、非增殖性DR、前增殖性DR、增殖性DR（增殖性DR可细分为静态和活动期）以及牵拉性视网膜脱离6个等级。目前并未发现有研究采纳基于OCTA的新分级方式，未来还需要更多的研究支持。但OCTA在早期DR诊断中的作用已得到了认可，我国一项OCTA与FFA诊断早期DR的对比研究提示两种技术间有较好的诊断一致性［18］。随着大数据时代的发展，AI被广泛用于眼底图像的特征识别，其学习方式有机器学习（machine learning, ML）和深度学习（deep learning, DL）。
2.5.1 ML
在临床诊断中，ML的准确率主要取决于所选识别特征的辨识度，相比于SCFP，OCT和OCTA更适合开发需要高分辨率及穿透深度的DR分级系统。2023年，有研究人员基于OCTA的血流图像区分NPDR和PDR，准确率可达90%［19］。另一项基于SCFP的中国人群研究纳入了5 900例患者，最终计算得出受试者工作特征曲线下面积为0.822［20］。ML在样本量较小时表现稳定，且可解释性高，但随着训练数据量的增加，受限于研究者可提供的特征参数，ML的学习能力最终会趋于饱和。2.5.2 DL
作为ML的一种特殊形式，DL对大数据集和高算力更加依赖，相应的算法性能也更好，在医学领域应用最多的是专用于图像识别和处理的卷积神经网络。2021年，Gayathri等［21］提出的算法将DL与ML相结合，先用卷积神经网络提取SCFP图像特征，再用ML对输入数据进行DR分级，经外部验证，该算法准确率在99%以上。2024年，我国的一项多中心临床试验基于DL构建模型对SCFP图像进行分类，最终模型的准确率为94.86%［22］。DL在性能优越的同时也存在“黑箱问题”，即模型决策过程难以解释，需依赖可视化技术辅助医生理解。总结与展望
综上所述，随着DR研究的进展以及检查技术的优化，对DR的认识也在不断进步，虽然目前的ETDRS和ICDR分级仍被看作“金标准”，但随着如OCT和OCTA等新兴检查工具的推广普及以及AI在DR严重程度评估中的应用，更新DR分级势在必行。细化DR和DME分级体系，一方面可以提高诊断的精准性，尽早识别高危患者，降低不可逆视力损害风险，还能动态监测病变的进展或缓解，协助个性化治疗方案的制定与调整；另一方面，分级细化后基层医院与上级医院间的分工更加明确，有助于优化医疗资源分配，推进分级诊疗与双向转诊的运行。在众多辅助工具中，OCTA因其可以自动计算血流密度、无灌注区面积、中央凹缺血区面积的优势，或可替代SCFP成为新DR分级工具的最佳选择。OCT由于其对视网膜纵切面优秀的分层显像，在DME诊断评估与指导治疗方面的作用已基本得到认可。OCT和OCTA等新兴技术对DR分级的尝试也为未来的研究提供了方向。
文章来源
文章来源：《国际内分泌代谢杂志》2025年3月第45卷第2期
薛雯1 李建桥2 侯新国1
1山东大学齐鲁医院内分泌科，济南250012; 2山东大学齐鲁医院眼科，济南250012
通信作者：侯新国，Email: houxinguo@sdu.edu.cn
本视频/资讯/文章的内容不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。
来源：医脉通内分泌科