OCTA-Derived Retinal Biomarkers and Infarct Topography Improve Etiologic Classification of Recent Single Subcortical Infarction: A Nomogram Model.
研究背景
近期单发性皮质下梗死（RSSI）在豆纹动脉供血区病因多样，主要分脑小血管病相关性腔隙性梗死（CSVD - related LI）和分支动脉粥样硬化病（BAD）。传统影像方法因特征重叠，鉴别诊断有误判风险。本研究旨在构建结合视网膜光学相干断层扫描血管成像（OCTA）指标与梗死拓扑特征的列线图模型，提高RSSI病因分类准确性。
方法速览
采用前瞻性观察设计，纳入2021年12月至2023年12月确诊的127例RSSI患者。患者均接受高分辨率MRI血管壁成像（VWI）和视网膜OCT/OCTA检查。用LASSO回归筛选关键预测变量，构建基于逻辑回归的列线图模型，用C - index、校准曲线等评估性能。
主要发现
- 列线图模型优于传统影像模型
筛选出视网膜浅层血管复合密度（SVC density）、病灶切片数量和近端病灶位置三个关键变量。列线图模型区分BAD与CSVD - related LI的C - index为0.84，显著高于传统影像模型的0.68。决策曲线分析显示该模型在多临床阈值下净收益更高。
- SVC密度是独立预测因子
BAD患者SVC密度显著低于CSVD - related LI患者。多变量逻辑回归分析中，SVC密度是唯一有独立预测价值的视网膜参数，其降低或反映脑微循环功能障碍。
- 梗死拓扑特征有重要价值
确认病灶切片数量和近端病灶位置为关键影像学特征。BAD患者更常表现为病灶跨越多个轴向切片且位于近端区域，提示BAD与近端动脉粥样硬化斑块致穿支动脉阻塞相关。
- 模型临床适用性和预测效能良好
列线图模型ROC分析AUC为0.84，高于传统模型。最佳阈值下，敏感性89%，特异性62%，阳性预测值77%，阴性预测值79%，可辅助RSSI病因判断。
总结展望
本研究首次结合视网膜OCTA衍生微血管指标与梗死拓扑特征构建列线图模型，提出SVC密度为新型生物标志物，提供无需高分辨率MRI的病因分类替代方案。但研究存在样本量小、单中心等局限，模型泛化能力及与临床预后关系待进一步研究。