通过无标记三谱视网膜成像进行阿尔茨海默病无创筛查

为何眼睛可能揭示早期阿尔茨海默病

阿尔茨海默病在记忆问题明显出现之前的许多年里会缓慢损害大脑，但目前用于检测这些早期变化的检查既昂贵又侵入性强，且并不普及。本研究探讨了一个更简单的想法：由于眼后方的视网膜是大脑的直接延伸，并能在几秒内被拍摄，常规眼科检查——配合更智能的成像技术——是否能为更早期、更易处理阶段的阿尔茨海默病提供一种更便捷的筛查方式？

观察眼底的新方法

研究人员为标准视网膜相机设计了一个紧凑的附加模块，这类相机常用于例行眼科检查。该装置不再拍摄单一彩色照片，而是将从视网膜反射回来的光分成三条精心选择的波段：蓝、绿、红。每个波段由独立相机同时拍摄，从而在无需额外闪光或增加不适的情况下获得清晰图像。这种有针对性的方法提升了检测视网膜微妙变化的能力，尤其是在较短的蓝光波段，早期研究表明该波段对与阿尔茨海默相关的改变较为敏感。

视网膜中隐含的颜色线索

研究小组随后在一项临床研究中测试了该三谱系统，纳入了38名经脑影像或脑脊液检测确诊的阿尔茨海默患者和28名年龄相近的健康志愿者。在将所有图像校准对齐，使视神经盘和黄斑等关键标志点像素逐像素对齐之后，他们比较了视网膜不同区域反射的蓝光与绿光强度。乍看之下，患者组与健康组的平均图像非常相似。但当他们计算蓝光与绿光的比值时，出现了显著模式：中央视力区（黄斑）与视神经盘之间的区域在阿尔茨海默患者中显示出明显更高的蓝/绿信号。用一种称为AUC的性能指标量化，这一差异的AUC为0.74，表明视网膜鼻侧区域的这些颜色变化可为区分患者与健康个体提供有用信息。

教计算机解读这些信号

为将这些微妙的光学指纹转化为实用的筛查工具，研究人员训练了一个名为XGBoost的机器学习模型。该模型并非仅依赖简单比值，而是使用了来自最具信息量的视网膜区域的原始蓝、绿、红强度值，外加年龄、性别和基本眼科病史信息。模型在研究的大部分眼睛数据上进行训练，然后在一组独立、算法未见过的样本上进行测试。在这个独立测试集中，模型在区分阿尔茨海默与健康眼方面达到较高准确度，AUC达0.91。通过一种称为SHAP的可解释性方法，作者展示了蓝光测量对模型决策的贡献最大，支持了这样的观点：视网膜中与阿尔茨海默相关的化学变化影响其对短波长光的散射。

这对未来体检可能意味着什么

由于该三谱模块仅需连接到现有的眼底相机并只需一次闪光即可完成拍摄，理论上它可以融入常规眼科检查，而不会显著增加时间或使患者不适。与脑影像或脑脊液检测不同，这种方法无创、相对低成本，并适合对大量可能有风险但尚无症状的人群进行筛查。作者强调需要更大规模的研究，并指出此项检测更有可能作为对既有方法的补充而非替代。不过，他们的发现表明，精确测量视网膜对不同颜色光的反射——并让透明的机器学习方法来解读这些模式——或许能为检测阿尔茨海默病最早阶段提供一个切实可行的新窗口，在那时干预最有可能改变病程。

引用: Salajková, Z., Ciasca, G., Di Lorenzo, F. et al. Non-invasive screening of alzheimer’s disease via label-free tri-spectral retinal imaging. Sci Rep 16, 5083 (2026). https://doi.org/10.1038/s41598-026-35383-y

关键词: 阿尔茨海默病, 视网膜成像, 早期检测, 无创筛查, 机器学习