原發性閉角型青光眼前房角影像學研究進展

柴永琦，關立南，高維奇

(哈爾濱醫科大學附屬第一醫院眼科，哈爾濱 150000)

原發性閉角型青光眼(primary angle closure glaucoma，PACG)是我國青光眼的主要類型，以前房角關閉、眼壓升高和青光眼性視神經病變為特征，是亞洲不可逆性失明的主要原因[1-3]，與原發性開角型青光眼不同，狹窄的眼前段和前房角結構是PACG的基本解剖學特征，前房角逐漸變窄、閉合的過程相當復雜，涉及多種因素[4]。我國PACG房角閉合的機制主要有單純瞳孔阻滯型、高褶虹膜型以及多種機制共存型[5]。除上述發病機制外，臨床短軸眼是伴發PACG的高危因素[6]，特別是真性小眼球具有眼軸短、晶狀體和鞏膜較厚、前房角狹窄等解剖學特征[7]。上述引起PACG的不正常眼部形態可通過眼前段成像技術呈現，前房角的可視化是診斷PACG的關鍵。目前眼前段成像方式一般分為以下幾種。①光學輔助裝置：如前房角鏡；②超聲設備：超聲活體生物顯微鏡(ultrasonic biological microscope，UBM)是20世紀90年代后期開始應用于眼科臨床的一種新型眼科超高頻超聲診斷設備，對眼前部結構和病變的分辨能力強，可用于觀察活體的眼前節組織結構的細微改變；③光學相干斷層掃描儀(optical coherence tomography，OCT)：如眼前段光學相干斷層掃描儀(anterior segment optical coherence tomography，AS-OCT)采用低相干干涉法原理獲得眼前段的斷層圖像；④眼前節照相分析系統：如Pentacam(三維眼前節分析診斷系統)和RetCam(眼科廣域數字成像系統)；⑤光聲成像設備：一種新型非入侵式成像模式[8]；⑥人工智能輔助技術：應用電子計算機技術識別圖像，進行臨床診斷的智能輔助系統?，F對PACG前房角影像學研究進展予以綜述。

1 光學輔助裝置

1914年，Salzmann設計了光學輔助裝置——房角鏡，成功觀察到房角結構，目前房角鏡仍廣泛用于臨床。房角鏡有直接房角鏡(如Koeppe型、Troncoso型)和間接房角鏡(Glodmann、Volk、Zeiss、Posner、Sussman型等)兩種類型。直接房角鏡常在手術中應用[9]，患者取仰臥位，將黏彈性物質(如玻璃酸鈉)填充于角膜與房角鏡之間，借助手術顯微鏡觀察前房角形態。間接房角鏡有單面反射鏡、雙面反射鏡及四面反射鏡等，可借助裂隙燈顯微鏡照明放大房角結構，使房角結構清晰可見，臨床應用廣泛[10]。間接房角鏡對房角結構的觀察各具特點，其中Glodmann型房角鏡角膜接觸區域直徑為12 mm，適于觀察靜態周邊前房及房角結構，而Volk、Zeiss、Posner、Sussman型房角鏡，角膜接觸區域均小于角膜直徑，更適于使用壓陷技術觀察動態房角結構。房角鏡檢查至今仍然是診斷房角狹窄的臨床金標準[11]，能提供真實的色澤信息，可在靜態和動態下直接觀察房角形態和結構變化、房角粘連程度、色素沉積程度以及Schlemm管內充血情況、虹膜病變等，并可為房角相關手術提供可視化操作。房角鏡也有許多局限性，它屬于接觸性檢查，存在角膜病變(如角膜白斑或術后)的患者，不適合使用房角鏡檢查，其高度依賴臨床醫師的技術和主觀判斷，且無法觀測到虹膜后和睫狀體的情況。Quigley等[12]研究證實，大部分臨床眼科醫師在常規檢查中以及青光眼患者的檢查中都沒有進行房角鏡檢查。由此可見，目前房角鏡檢查并不適用于全部PACG患者。

近年術中房角鏡(如TVG手術房角鏡)的應用逐步完善。1993年，Joos等[13]首次利用術中房角鏡探針成功對豬眼進行前房角切開，認為將房角鏡用于青光眼的診療，可以提高青光眼的診斷率和手術成功率，表明在術中房角鏡直視下進行前房角手術可精準地作用于手術部位，減少房角結構損傷，使手術更直觀，操作更具目的性。未來房角鏡將向更便利、更清晰的方向發展，特別是術中房角鏡的廣泛應用，將使光學輔助裝置煥發出新的動力。

2 超聲設備

UBM由Pavlin和Foster于1989年發明的一種眼科檢測儀器[14]。1994年，我國首次引進UBM設備[15]。與傳統B超掃描不同，UBM使用35～100 MHz的高頻超聲掃描傳感器，圖像分辨率可達到50～100 μm，掃描頻率越高，分辨率越高，但是掃描深度隨之降低，常規UBM使用35～50 MHz的掃描頻率，已達到分辨率和掃描深度的平衡。與房角鏡不同，UBM可高清顯示前房角閉合的程度，可顯示角膜水腫或混濁無法進行房角鏡檢查時的房角形態。研究者認為，鞏膜突是衡量房角異常的標志性解剖位置，鞏膜突可在鞏膜不透光陰影與角膜相對透光陰影合并的區域被識別。根據鞏膜突可得到房角的其他測量參數，這些參數都與房角狹窄程度獨立相關[16]。Pavlin等[17]發現，UBM可檢測出高褶虹膜眼的睫狀體前位，表明虹膜后方的結構也可以用UBM進行成像和評估，這對于闡明高褶虹膜、睫狀體滲出綜合征、晶狀體半脫位、睫狀體囊腫或腫瘤等引起的房角閉合有重要意義[18]。由此可見，UBM能幫助評估房角閉合的潛在機制，對于確定適合PACG的治療方式有重要作用。但是UBM檢查仍有局限，檢查時需要使用眼球表面麻醉藥，將眼杯置于角膜上，并將超聲探頭放置于眼杯內進行掃描檢測；且測量前需要手動識別鞏膜突，有些程序是半自動的，圖像采集時間取決于患者的配合程度和檢查者的經驗。因此，UBM檢查需要由技術熟練、經驗豐富的操作人員進行，以減少技術因素導致的結果誤差。

常規UBM僅可獲得二維圖像。Wu等[19]發明了一種3D UBM系統，通過旋轉采集二維圖像(數百張)并結合適當的圖像處理技術構建高分辨率的前房三維圖像。其中應用卷積神經網絡進行前房圖像識別，并通過自動化方法尋找Schwalbe線來確定鞏膜突的位置，進而得到虹膜小梁角，結果顯示，自動測量和人工讀取的虹膜小梁角的角度數值比較差異無統計學意義，且3D UBM系統較常規UBM更省時。但目前3D UBM系統還不成熟，其三維圖像重構對齊技術、前房自動識別以及TIA的測量方法仍需改善。此外，如果UBM技術能夠通過非接觸手段實現組織超高清分辨率，將會在眼科臨床中應用更加廣泛。

3 OCT

AS-OCT是一種非接觸式的快速眼前段成像設備，其工作原理是使用低相干干涉法獲得眼前段的斷層圖像，1994年，Lzatt等[20]首次將OCT技術應用于眼前節，并成功測得了角膜厚度、前房深度等。多年來，隨著技術的革新、功能的完善，AS-OCT由時域OCT(time-domain OCT，TD-OCT)發展到基于傅立葉域的頻域OCT(spectral-domain OCT，SD-OCT)和掃頻光源OCT(swept-source OCT，SS-OCT)。AS-OCT的成像速度快、分辨率高、信噪比好，可產生從20 kHz(840 nm光源)到400 kHz(1 310 nm光源)的A掃描速率，能夠對房角隱窩進行精確定量和定性分析，并對眼前節結構進行三維成像[21]。現對不同類型AS-OCT的原理、應用和發展進行介紹。

3.1TD-OCT TD-OCT采用1 310 nm波長的光源，通過調節參考光反射鏡的位置來改變探測深度。TD-OCT屬于機械式掃描，速度較慢(2 000 A-Scan/s)。Visante OCT和裂隙燈OCT是TD-OCT最常見的兩種類型，分辨率為10～20 μm[16]。TD-OCT能對虹膜角進行可視化檢查，能定量測量PACG的關鍵生物參數，且操作方便、簡單。據報道，由中山大學中山眼科中心基于Visante OCT研發的房角評估軟件[22-23]能夠在手動確定鞏膜突后，自動輸出房角、虹膜和睫狀體相關參數。Leung等[24]發現，雖然Visante OCT和裂隙燈OCT具有極好的觀察者間再現性，但它們之間的一致性較差。TD-OCT只有一個橫斷面圖像，成像速度慢、分辨率較低，可能漏診局部周邊虹膜粘連或房角關閉。由于TD-OCT的局限性，隨后研發出了SD-OCT，但未能解決上述全部問題。

3.2SD-OCT 與TD-OCT不同，SD-OCT(Cirrus HD-OCT、Ivue/RTVue、Spectralis OCT等)使用近840 nm波長的近紅外光，參考光的反射鏡距離不變，較TD-OCT具有更高的分辨率和掃描速度[25-26]。更高分辨率的SD-OCT對角膜和房角以及小梁網、鞏膜突和Schwalbe線等眼部亞結構的可視化檢測能力更高。Cheung等[27]使用改良SD-OCT可識別95%掃描中Schwalbe線以及85%掃描中的鞏膜突。臨床上，SD-OCT一般主要用于視網膜成像，同時也支持多種模式，使用一個前段透鏡接合器能夠實現對眼前段和房角結構的成像；但測量眼前節時，SD-OCT的穿透深度和掃描寬度下降，不能清晰顯示虹膜后界，測量的參數有限，限制了其在眼前節的臨床應用，而在眼后段的應用更廣泛[28]。綜上，SD-OCT的波長較TD-OCT短，縱向及橫向掃描范圍均不及TD-OCT，但其對房角細微結構的顯示較TD-OCT更清晰。

3.3SS-OCT 2008年首個SS-OCT實現商業化[29]，其在1 310 nm波長的掃描激光源下工作，較840 nm波長光源的組織穿透性顯著提高。此外，SS-OCT可顯示眼前節細微結構的高清圖像，如Schlemm管、小梁網、房水靜脈、鞏膜突等，并可進行超廣角掃描，360°全方位測量房角結構和形態。Porporato等[30]使用SS-OCT對新加坡一家社區綜合醫院2 027例50歲以上的老年人進行掃描分析發現，SS-OCT診斷房角關閉的靈敏度和特異度分別為82.5%和78.5%，表明SS-OCT的圖像分辨率極高，能精確且可重復地測量周邊虹膜前粘連及房角閉合情況，是普通AS-OCT和房角鏡無法達到的。

近年來，基于掃頻光源的新一代SS-OCT已上市，其掃描速度由30 000 A-Scan/s提升到50 000 A-Scan/s，能對眼前節進行超高清成像及三維重建，具有強大的自測功能，并可以在0.3 s內自動獲取眼前節16 mm(寬度)×13 mm(深度)范圍的立體圖像，包括角膜/晶狀體后表面以及部分玻璃體[31]；可以自動分析圖像并獲取鞏膜突和房角隱窩位置，獲取房角開放距離、房角隱窩面積、小梁網虹膜空間面積、小梁虹膜角等參數，以及專有的虹膜小梁網接觸指數，對房角開閉情況進行全自動全周分析統計。此外，新一代SS-OCT還能測量前房、虹膜容積等參數，對鞏膜、上直肌進行高清成像，并對濾過泡進行三維成像和分析，計算濾過泡容積?？傊?，新一代SS-OCT實現了更快、更精準、更細微的前房角結構測量，且達到了范圍更廣、更深的精準定量測量，對PACG的早期發現和診斷有重要意義。

綜上所述，三種類型AS-OCT均操作簡單方便，能快速采集眼前段橫截面圖像，可重復性好、分辨率高，且非接觸方法消除了患者的不適以及對眼球的偶然壓迫[32]，能精確識別且量化與PACG相關的關鍵特征。Kara等[33]采用AS-OCT進行量化分析顯示，真性小眼球患者的前房深度、房角開放距離、房角隱窩面積等前房參數均低于正常人群，表明AS-OCT對真性小眼球患者的PACG風險評估十分重要。隨著AS-OCT的快速發展，其未來可能取代UBM，但AS-OCT不能動態觀測房角[34]，且對虹膜后方結構的檢測能力有限，未來仍需要向更高分辨率、更深穿透力、更真實圖像三維再造、更智能化軟件分析的方向發展。

4 眼前節照相分析系統

4.1PentaCam PentaCam(三維眼前節分析診斷系統)是近年發展起來并應用于臨床的眼科成像設備，其成像原理是通過Scheimflug相機進行旋轉掃描拍攝[35-36]，可在2 s內收集和分析眼前節25 000～138 000個數據點，獲得角膜到晶體后表面的光學截面，通過非接觸式設備提供完整的三維眼前節分析圖像，可用于測量角膜厚度、角膜直徑、曲率半徑、晶狀體位置、前房角、體積和深度。Pakravan等[37]發現，應用PentaCam測量的前房體積、前房深度是預測急性閉角型青光眼的可靠參數。PentaCam具有非接觸、快速、易量化前房參數的優勢，且重復性好，但不能詳細評估前房角，由于可見光無法深入組織，故不能直接可視化房角結構。因此，臨床上PentaCam在角膜屈光檢測方面應用較多，而房角形態結構分析的應用相對較少。

4.2RetCam RetCam(眼科廣域數字成像系統)的成像原理是利用電腦圖像采集軟件[38]，配合多種鏡頭，其核心技術是用圓形均勻光場照明、環形光纖導入光路，可調焦距范圍大，具有微距成像功能，可實時采集并儲存眼底至眼前段全部圖像，臨床上主要用來采集嬰幼兒眼底圖像，當配合130°廣角鏡頭時，可采集前房角的動態和靜態圖像[25]，通過四個象限來提供前房角的360°視圖，獲得直觀、彩色的房角圖像，與房角鏡觀察的圖像相似，提供更清晰、更高質量和更高放大倍數的圖像，尤其對嬰幼兒青光眼的檢查有獨特優勢[39]。由于嬰幼兒難以在裂隙燈下配合房角鏡檢查，RetCam提供了一種具有替代性、補充性的前房角鏡檢查方法。但是，Retcam不能對房角的信息進行定量，并屬于接觸性檢查，較房角鏡檢查昂貴。

綜上所述，PentaCam和RetCam作為眼前節照相設備，都能通過照相顯示房角結構，但其對于房角結構參數測量的局限性決定了其在PACG的臨床應用相對較少，若其房角結構精細測量方面得到改善，其在PACG檢查的應用將更加普及。

5 光聲成像系統

光聲成像是一種新型非入侵式成像模式，可用于眼前節成像，與UBM和AS-OCT不同，光聲成像的原理是脈沖激光照射組織并被組織吸收，吸收產生的熱量導致組織周期性熱脹冷縮，進而產生超聲信號，通過分析處理超聲信號得到組織的結構和生理功能信息[30]。聲波對眼組織的穿透力明顯強于光波，因此，與OCT成像相比，光聲成像可顯示更深層的結構[40]，光聲成像的分辨率很高，可以達到微米級別，并能對虹膜和睫狀體細微結構的成像。光聲成像的優勢在于可以得到組織的生理功能信息[41]，這是其他眼前節成像設備不具有的特點，因而在眼部分子生物醫學領域有廣泛的應用前景。有報道顯示，眼前節組織的光聲成像特性有多方面的應用，如對青光眼患者注射的干細胞進行光聲成像追蹤，以再生小梁網[42-43]。目前光聲成像分子成像技術還處于動物實驗階段，其相關技術還有待完善，作為解決眼前節分子成像需求的一種選擇，對未來青光眼分子治療的發展有重要意義。

6 人工智能輔助

隨著計算機技術的發展，人工智能技術在醫學領域的應用不斷拓展[44]。人工智能主要通過機器學習和深度學習使自身具備完成某項較復雜任務的能力，如圖像識別、疾病診斷，機器學習過程通常利用神經網絡結構實現，識別鞏膜突、計算房角閉合程度是診斷PACG的關鍵。Hao等[45]利用AS-OCT檢測房角閉合程度，并運用基于深度學習的人工智能算法進行圖像識別，包括定位前房角和識別前房角閉合程度，可自動識別三類房角閉合程度，識別率識別結果的受試者工作特征曲線下面積為0.91。Fu等[46]組織了人工智能閉角型青光眼評估挑戰賽，對于給定樣本的測試結果顯示，性能最好的算法在鞏膜突定位項目中，平均誤差距離僅為10個像素(10 μm)，而在房角閉合分類任務中，最好算法的準確率為100%，表明人工智能技術有助于可靠、快速地識別鞏膜突，并對閉角型青光眼進行分類。當人工智能算法趨于完善并接近于人工檢測時，將會帶來巨大的經濟和社會效益，人工智能的運用在很大程度上能夠節約時間和人工成本，緩解醫療資源的緊張，并可改善醫療不發達地區患者的救治水平。由此可見，人工智能將在包括青光眼在內的臨床診斷中發揮越來越大的作用，是房角影像學發展中不可或缺的部分。

7 小 結

PACG的影像學檢查手段眾多，其中房角鏡的優勢是能動態觀察到前房角結構的真實結構信息，UBM是一項接觸性檢查，能夠檢查虹膜后方結構，應用時受到患者眼部條件的限制。AS-OCT的分辨率較UBM更好，能更清晰地呈現前房角各細微結構，且以非接觸方式實現三維成像，但檢測不到虹膜后方的情況。眼前節照相設備如PentaCam,RetCam也能檢測前房角結構，但測量精度有限，與光聲成像相比，PACG在檢測眼睛內部深層結構方面具有優勢，為未來利用分子醫學干細胞治療青光眼提供了新的方向。近年來，人工智能輔助技術的開發，使前房角各參數能自動、快速且精準被識別，為眼前節成像檢測方面提供了新的發展方向。