利用虹膜动态变化及数学模型建立原发性闭角型青光眼早期筛查策略的研究

China has the largest absolute number of primary angle closure glaucoma (PACG) in the world. It has been estimated that PACG causes blindness in approximately 38.3% of those affected in China. Early screening, early diagnosis and early management can effectively control the progression of PACG and prevent blindness. So far, there is no ideal test for PACG screening. Our research found out that the existing tests couldn’t meet the requirements of high sensitivity and high specificity for screening. The reason for that insufficiency may be that the parameter used in each screening test is a single static, anatomical risk factor of PACG. Our researches suggested that the iris cross-sectional area change after physiological pupil dilation was an important dynamic risk factor for PACG. Hence, we proposed that the deficiency of key parameter and the lack of combination of important parameters make the screening tests unable to meet the requirements. This study aimed at establishing the early screening strategy of PACG using the parameter of iris area dynamic change combined with other anatomical parameters and the method of mathematical modeling. This research may provide a new direction for the early screening of PACG and effectively elevate the sensitivity and specificity, which is very important for the prevention of progression and blindness.

原发性闭角型青光眼（简称闭青）在我国的患病人数居世界首位，致盲率高达38.3%。对闭青进行早期筛查、早期诊断和早期干预，能够有效控制疾病的进展和预防盲目的发生。但目前闭青早期筛查仍缺乏理想方法。我们的研究发现，现有方法均无法同时满足高敏感性和高特异性的筛查需求。考虑与采用单一的眼部静态解剖学危险因素作为筛查指标有关。我们的研究证实生理性瞳孔散大前后虹膜面积的动态变化是我国闭青患病的重要动态危险因素之一。在此基础上，我们进一步提出假说，认为现有的方法无法满足筛查需求的原因在于缺乏关键的筛查指标及重要指标的有机结合。本课题将在前期基础上，利用虹膜面积动态变化这一动态指标与其它眼前节解剖学静态指标相结合，应用数学建模的方法，探寻重要指标的最优组合，建立闭青的早期筛查新策略。该课题的研究可望为闭青的早期筛查提供新的方向，并显著提高筛查的敏感性和特异性，对于疾病的早期干预和减少盲目的发生尤为重要。

我国原发性闭角型青光眼（简称闭青）患病人数居世界首位，致盲率高达38.3%。对闭青进行早期筛查、早期诊断和早期干预，能有效控制疾病的进展，预防盲目的发生。但目前闭青早期筛查仍缺乏理想方法，分析可能的原因为采用单一的眼部静态解剖学危险因素作为筛查指标。本团队前期研究证实生理性瞳孔散大前后虹膜面积动态变化是闭青发病新的风险标志物。本项目利用虹膜面积动态变化这一指标与眼前节解剖学静态指标结合，建立数学模型，探寻重要指标的最优组合，建立闭青早期筛查新策略。第一部分纳入参加邯郸眼病研究5年随访调查的339位正常受试者和405位早期闭青患者，筛选出与诊断高度相关的4个变量即房角隐窝面积、前房容积、晶状体膨隆程度和明暗虹膜面积变化/瞳孔直径变化，建立预测模型，对闭青进行判断的受试者工作曲线（receiver operating characteristic curve, ROC）下面积最佳为0.844，提示此策略仍不能满足以人群为基础的闭青早期筛查需求。第二部分对所纳入闭青患者的主要房角关闭机制进行分型，分为瞳孔阻滞型（pupillary block, PB）、高褶虹膜型（plateau iris configuration, PIC）和周边虹膜肥厚型（thick peripheral iris roll, TPIR）3种。在PB组、PIC组和TPIR组，筛选变量后建立预测模型，对闭青进行判断的ROC曲线下面积分别为0.920、0.715和0.886，提示新策略在以PB为主要房角关闭机制的闭青眼中筛查效能最高。此外，我们建立了深度学习模型，实现了对房角关闭机制的客观分型。第三部分纳入就诊于本院的110位闭青患者及91位正常受试者，筛选变量后建立预测模型，对闭青进行判断的ROC曲线下面积为0.960，即证实了新策略能够用于闭青的临床机会性筛查，对于疾病的早期干预和减少盲目的发生尤为重要。