《Diagnostics》：Qualitative and Quantitative Assessment of Vitreous Inflammation in Uveitis: Current Limitations and Emerging Diagnostic Approaches
编辑推荐：
准确评估玻璃体炎症对于葡萄膜炎（uveitis）的诊断、监测和管理至关重要。传统上，玻璃体炎（vitritis）是通过基于玻璃体混浊（vitreous haze）和细胞浸润的主观临床分级系统进行评估的，这些系统受到观察者间变异性和可重复性差的限制，尤其是在轻度
准确评估玻璃体炎症对于葡萄膜炎（uveitis）的诊断、监测和管理至关重要。传统上，玻璃体炎（vitritis）是通过基于玻璃体混浊（vitreous haze）和细胞浸润的主观临床分级系统进行评估的，这些系统受到观察者间变异性和可重复性差的限制，尤其是在轻度或亚临床炎症的情况下。近年来，眼成像（ocular imaging）的进步使得更客观、定量的方法得以发展。超广角成像（ultra-widefield imaging）、光学相干断层扫描（optical coherence tomography, OCT）和超声技术为玻璃体内的结构改变提供了新见解。同时，自动图像分析和基于人工智能（artificial intelligence, AI）的方法改进了炎症生物标志物的检测和量化，包括玻璃体高反射灶（hyperreflective foci）和基于信号强度的指标。尽管取得了这些进展，仍然存在重要局限性，包括视野受限、缺乏标准化的分割算法以及对整个玻璃体腔的不完全表征。目前，没有单一模态能够提供全面且完全可重复的玻璃体炎症评估。本综述总结了目前用于评估玻璃体炎症的定性和定量方法，重点介绍了它们各自的优势和局限性。此外，新兴诊断策略，包括多模态成像整合、AI驱动的分析和分子生物标志物谱分析，被讨论为提高准确性、标准化和临床适用性的潜在工具。从主观分级向炎症负荷客观量化的转变是推进眼炎性疾病临床管理和研究的关键一步。
**1. Introduction**
玻璃体是眼内最大的单一结构，体积约4.5 mL，占眼球总容积的80%。其由98–99%的水、胶原纤维网络、透明质酸（hyaluronic acid）及多种蛋白聚糖组成，维持眼球形态、支撑视网膜并保证光传导的透明介质。炎症或感染过程可能改变玻璃体结构成分，免疫细胞（如巨噬细胞和淋巴细胞）浸润、蛋白性渗出物及细胞碎片积聚导致玻璃体混浊和聚集物形成，破坏透明度，是玻璃体炎（vitritis）的临床标志。中间、后部和全葡萄膜炎常表现为玻璃体炎，若未妥善管理，炎性细胞和混浊积聚可导致视力损害。准确及时评估对诊断、疾病进展监测和治疗反应评价至关重要。传统上，使用裂隙灯生物显微镜和间接检眼镜评估，美国国立眼科研究所（NEI）玻璃体混浊分级经2005年葡萄膜炎命名标准化（SUN）工作组标准化后应用最广，但依赖主观解读，在轻度或亚临床疾病中敏感度有限。眼成像技术如光学相干断层扫描（OCT）、OCT血管成像（OCTA）和超声改善了检测能力，但仍存在捕获整个玻璃体腔内炎症变化范围的局限。一项针对中间、后部和全葡萄膜炎临床试验的系统综述发现结果指标异质性大，14个不同领域中有57%的活动性评估使用玻璃体混浊，凸显缺乏共识及对标准化、可重复评估方法的需求。本叙述性综述总结了当前玻璃体炎症评估的定性与定量方法，聚焦临床分级系统、多模态成像、人工智能及新兴生物标志物。
**1.1. Clinical Methods for Quantitative Assessment of Vitreous Inflammation**
历史上，临床检查通过评估细胞浸润、玻璃体混浊和混浊度来估计炎症。玻璃体混浊反映弥漫性浑浊，通常通过眼底细节模糊程度间接评估；炎性渗出物产生的玻璃体闪辉（flare）以丁达尔效应（Tyndall effect）描述。早期标准化尝试可追溯到1959年加州大学旧金山分校Protocol Group提出的分级，使用裂隙灯后照法与Hruby镜评估晶状体后炎性细胞，玻璃体细胞和闪辉按0+至4+分级，混浊分为细、粗、线状和雪球状。Nussenblatt分级系统于1985年引入，基于摄影比较，从0+（无混浊）到4+（严重混浊）。2005年SUN工作组引入六步分级，增加0.5+类别以提高对轻度炎症的敏感性。但观察者间变异仍影响横断面和纵向评估。Miami分级（Davis等）采用9点摄影分级，对轻度炎症更敏感，组内相关系数0.84–0.91，κ值平均0.91。超广角（UWF）成像技术显示了与临床分级系统的强观察者间可靠性（κ≥0.886），但Dickson等报道超广角扫描激光检眼镜（UWF-SLO）在检测轻度玻璃体混浊方面可能不如传统眼底摄影敏感。
**1.2. Clinical Methods for Qualitative Assessment of Vitreous Inflammation and Disease-Specific Pattern**
定性临床特征仍具诊断价值。不同类型玻璃体混浊和细胞分布模式可为潜在疾病提供线索：扁平部睫状体炎（pars planitis）表现为下方雪球样混浊伴周边视网膜静脉周围炎和雪堤样沉积；结节病（sarcoidosis）中大的融合雪球样混浊形成“珍珠串”（string of pearls）外观；白塞病（Beh?et disease）中玻璃体炎症常伴视网膜血管炎和局灶性视网膜浸润；眼弓形虫病（ocular toxoplasmosis）中玻璃体炎伴随局灶坏死性视网膜炎，表现为邻近色素性视网膜脉络膜瘢痕的活动性圆形或卵圆形病灶；原发性玻璃体视网膜淋巴瘤（primary vitreoretinal lymphoma）中玻璃体浸润呈密集细胞片状或团块状伴视网膜下浸润。这些发现仍高度主观，需结合实验室和影像学检查以确定诊断。
**1.3. Imaging Qualitative Assessment of Vitreous Inflammation**
基于成像的定性评估提供了更客观和可重复的方法。OCT通过光波反射实现微米级高分辨率横断面成像，在黄斑疾病中不可或缺，但在玻璃体炎定性评估中作用有限。Pichi等利用en-face OCT显示前葡萄膜炎患者后玻璃体解剖，发现光学空腔并提示前黄斑囊与Cloquet管可能相连，促进炎性细胞因子扩散参与黄斑囊样水肿形成。OCT的主要限制是视野受限，无法全面评估整个玻璃体腔。动态红外成像（Dynamic Infrared Imaging, DIR）使用聚焦激光束扫描视网膜，通过振荡镜获取二维截面，对约820 nm波长的光强度变化高敏感，可视化玻璃体混浊并动态评估扫视运动中的移动。DIR尚未系统应用于玻璃体炎，但可能成为有前景的定性工具，同样受限于约30度的相对狭窄视野。
**1.4. Imaging Quantitative Assessment of Vitreous Inflammation**
定量成像方法旨在克服主观临床分级局限。OCT成为关键模态。Masaaki等使用扫频源OCT（SS-OCT）手动计数后玻璃体高反射元素，活动性眼中数量显著增高。但区分离散细胞团与弥漫反射信号仍具挑战。Keane等于2015年引入VITAN（VITreous ANalysis）系统，通过高级算法检测并量化高像素强度团簇（对应炎性细胞聚集），分析团簇数量、大小和最大尺寸，自动纹理分析与临床玻璃体混浊分级显著相关（r=0.604, p<0.001）。Lee等结合谱域OCT（SD-OCT）和Python脚本量化玻璃体反射灶的数量、大小和总面积，治疗随访显示参数降低，提示作为动态生物标志物。Korot等将自动量化应用于糖尿病视网膜病变，与黄斑水肿严重度相关。K?ksald?等使用ImageJ软件证明急性弓形虫脉络膜视网膜炎的反射灶比非感染性葡萄膜炎更大。信号强度作为另一参数，Keane等引入VIT/RPE比值，将玻璃体信号强度归一化至视网膜色素上皮（RPE）作为内参，减少采集变异。Sreekantam等发现该比值对治疗反应敏感，在葡萄膜炎性黄斑囊样水肿中从0.139降至0.053，与中央视网膜厚度减少和视敏度改善相关。但VIT/RPE测量仍受聚焦、扫描平均和定位等采集参数影响。Terheyden等提出获取多个间隔OCT扫描以提高代表性。Invernizzi等引入前段扫频源OCT（AS-SSOCT）可视化前部玻璃体，但仅限于前部区域。Pichi等使用en face OCT血管成像（SS-OCTA）识别玻璃体视网膜界面细胞（VRICs），在活动性葡萄膜炎中数量增大，与疾病活动相关。影响准确性的因素包括介质混浊、图像质量、信号强度、分割错误及不同OCT平台差异。替代模态如定量超声（QUS）（Mamou等）显示回声密度增加与对比敏感度降低相关，但空间分辨率不足且未系统应用于玻璃体炎。超声生物显微镜（UBM）用于检测中间葡萄膜炎的雪堤，但操作依赖性强且后段穿透有限。自动眼底成像分析（Passaglia等）通过高通滤波、熵分析和功率谱整合实现客观评估。
**1.5. Emerging Directions in Vitreous Inflammation Assessment**
**1.5.1. Integration of Multimodal Imaging Approaches**
单一成像模态如OCT、AS-SSOCT和QUS提供互补信息但不足以全面评估。多模态整合可能提升诊断准确性和治疗监测。Bradley等在动物模型中结合OCT、眼底摄影和血管成像。荧光素眼底血管造影（FA），特别是超广角FA，可检测视网膜血管炎、渗漏和周边缺血。吲哚青绿血管造影（ICGA）提供脉络膜炎症信息。眼底自发荧光（FAF）显示RPE功能障碍和累积性炎性损伤。Oztuerk等证明对比增强液体衰减反转恢复脂肪抑制磁共振成像（CE-FLAIR-FS MRI）在儿童葡萄膜炎中比常规对比增强T1加权成像（CE-T1WI）更有效地检测玻璃体异常。
**1.5.2. Advances in Artificial Intelligence and Machine Learning**
人工智能（AI）和机器学习（ML）可改善图像分割、自动检测细胞和闪辉等炎性特征。Haggag等结合U-net CNN分割和全卷积神经网络，实现86%准确率。Mhibik等基于TensorFlow和DenseNet121的深度学习模型在超广角图像上检测和分级玻璃体炎，敏感度91%，特异度89%，AUC 0.97，但跨SUN全部分级的准确度有限。局限性包括数据集小、缺乏外部验证、公开数据集少、算法可解释性不足及监管和伦理问题。
**1.5.3. Functional Imaging and Molecular Biomarkers**
功能成像（如靶向对比剂MRI）和分子方法（如细胞因子谱、蛋白表达和代谢谱）提供结构改变之外的信息。Green等描述的三明治免疫荧光检测（sIFA）比传统ELISA敏感度更高，可区分葡萄膜炎与原发性玻璃体视网膜淋巴瘤。玻璃体IL-16的首次检测提示其与IL-10和IL-6联合监测可能提供肿瘤微环境和治疗反应信息。蛋白质组学和代谢组学分析有助于生物标志物发现和疾病分层。
**1.5.4. Automated Quantification and Standardization**
需要进一步发展标准化定量方法。VIT/RPE比值和手动计数高反射灶仍易变异。全自动系统能量化细胞浸润和整体炎症负荷，可能显著改善可重复性。未来方向包括三维体积成像以评估空间分布，以及整合成像与分子数据以区分炎性细胞与其他混浊（如出血、碎屑或退行性改变）。
**2. Conclusions**
准确评估玻璃体炎症是葡萄膜炎管理的基石。传统分级系统受主观性和观察者间变异限制。OCT指标和自动量化代表了向客观评估的重要一步，但无单一模态可全面评估整个玻璃体腔。未来需结合多模态成像、AI驱动分析和分子生物标志物实现标准化可重复量化，推动疾病监测、鉴别诊断和个性化治疗。从主观分级向炎症负荷客观量化的转变是眼炎性疾病精准医学的关键步骤。
