阿尔茨海默病与脑小血管病中不同的眼部微血管改变

Distinct ocular microvascular alterations in Alzheimer's disease and cerebral small vessel disease

作者信息Ziyi Zhang, Le Cao, Peng Liu, Shiyun Yang, Yuying Yan, William Robert Kwapong, Ying He, Mingyuan Yang, Hang Wang, Youjie Wang, Zijuan Feng, Jingyu Zhou, Ming Liu, Peng Lei, Bo Wu, Shuting Zhang
PMID42706564
发布时间2026-09
DOI10.1002/alz.71809

实验完整度

横断面研究,使用OCTA、MRI和血液标志物,通过统计模型和机器学习进行组间比较,但缺乏实验性干预或功能验证。

主要模型

AD患者样本 CSVD患者样本 认知正常对照样本

重点核对

纳入标准:AD组需符合NIA-AA生物学定义,CSVD组需有主观认知主诉及MoCA<26和MRI上中重度WMH 分组:AD(n=149)、CSVD(n=276)、CU(n=225) 统计模型校正:年龄、性别、教育程度、高血压、糖尿病 OCTA图像质量:信号强度≥8,遵循OSCAR-IB质量标准和APOSTEL建议

摘要

Introduction: While both Alzheimer's disease (AD) and cerebral small vessel disease (CSVD) involve vascular dysfunction, the ocular microvascular differences between them remain largely underinvestigated. Methods: This cross-sectional study included 650 participants (149 AD, 276 CSVD, and 225 cognitively unimpaired individuals). Optical coherence tomography angiography (OCTA) metrics were analyzed to characterize ocular microvascular alterations. Results: CSVD patients exhibited a higher burden of retinal ischemic perivascular lesions (RIPLs) than AD patients (all p < 0.05), whereas AD patients showed reduced choriocapillaris (CC) density (p = 0.031). In the CSVD group, RIPLs were associated with total CSVD score (p = 0.049), while reduced CC density was associated with elevated phosphorylated tau 181 in the AD group (p = 0.001). Machine learning models integrating OCTA metrics effectively differentiated AD from CSVD (area under the curve = 0.86). Discussion: AD and CSVD exhibit distinct ocular microvascular alterations, supporting OCTA-derived measures as potential non-invasive biomarkers. Trial registration number: ChiCTR2000041386.

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
阿尔茨海默病(AD)与脑小血管病(CSVD)患者之间,眼部微血管改变是否存在差异,以及这些改变与AD血液生物标志物和CSVD标志物的关联。
核心机制
AD中脉络膜毛细血管(CC)密度降低,可能涉及Aβ沉积和RPE损伤,与p-tau181升高相关;CSVD中视网膜缺血性血管周围病变(RIPLs)增多,反映局部缺血性损伤,与总CSVD评分相关。
主要证据
通过OCTA测量的眼部微血管参数,比较AD、CSVD和CU组;机器学习模型(RF/SVM)结合临床和OCTA特征,AUC达0.86(区分AD与CSVD)。
研究意义
提示OCTA衍生的测量可作为非侵入性生物标志物,有助于AD和CSVD的临床鉴别诊断和分诊。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

参与者招募与分组

纳入符合标准的AD、CSVD和CU参与者,并进行临床、影像和生物标志物评估。

从神经科门诊招募参与者,依据特定纳入标准分组,进行OCTA、MRI、认知评估和血样采集。

2

眼部微血管成像与标志物分析

量化和比较各组间的视网膜和脉络膜微血管参数,包括RIPLs和CC密度。

使用扫频OCTA采集图像,软件生成SVC、DVC和CC的血管造影,评估RIPLs,并计算相关指标。

3

统计分析与机器学习模型

比较组间差异、评估关联,并构建机器学习模型以区分疾病组。

使用GEE模型比较指标,进行关联分析,并构建临床基线和“临床+OCTA”机器学习模型。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
VG200SSVision Imaging--
Quanterix Simoa Human Neurology 3-Plex A Advantage KitQuanterix101995
Quanterix Simoa p-tau 181 Advantage V2 KitQuanterix103714
Quanterix SR-X分析仪Quanterix--
Magnetom TrioSiemens Medical Systems--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
参与者选择
AD、CSVD和CU的纳入和排除标准
阅读提示:Methods - Participants
OCTA测量
OCTA设备规格、扫描协议、图像质量阈值(信号强度≥8),以及RIPLs和CC参数的定义
阅读提示:Methods - OCTA imaging
统计分析
组间比较和关联分析所调整的协变量,以及机器学习模型的训练和测试划分、性能评估指标
阅读提示:Methods - Statistical analysis