《英国医学杂志》2025 年 1 月 13 日在线发表的研究发现，眼睛后部的光敏组织层（视网膜）上的血管“指纹”可以像传统的风险因素一样准确地预测一个人的中风风险，但无需进行多次侵入性实验室测试。
研究人员总结道，指纹由 29 项血管健康指标组成，是一种实用且易于实施的方法，特别适合初级医疗保健和资源匮乏的环境。
研究人员指出，中风影响全球约 1 亿人，每年导致 670 万人死亡。大多数病例是由可改变的危险因素引起的，例如高血压、高胆固醇、不良饮食和吸烟。
研究人员解释说，众所周知，视网膜复杂的血管网络与大脑的脉管系统具有共同的解剖和生理特征，这使其成为评估糖尿病等全身疾病造成的损害的理想选择。
他们补充说，由于不同的研究结果以及眼后部专用成像技术（眼底摄影）的使用不一致，其预测中风风险的潜力尚未得到充分开发。
但研究人员表示，机器学习（AI），例如基于视网膜的微血管健康评估系统（RMHAS），为识别生物标志物开辟了可能性，这些生物标志物可以准确预测中风风险，而无需进行侵入性实验室测试。
为了进一步探索这一点，他们测量了 68,753 名英国生物银行研究参与者的眼底图像中 5 个类别的视网膜血管结构的 30 个指标。
这5个类别包括静脉和动脉的口径（长度、直径、比率）、密度、扭曲度、分支角度和复杂性。
他们还考虑了潜在影响的风险因素：背景人口和社会经济因素；生活方式;以及健康参数，包括血压、胆固醇、HbA1c（血糖指标）和体重（BMI）。
最终分析包括 45,161 名参与者（平均年龄 55 岁）。在平均 12.5 年的监测期内，有 749 名参与者发生中风。
这些人往往年龄明显较大，是男性，目前吸烟，并且患有糖尿病。他们的体重也更重，血压更高，“好”胆固醇水平更低，所有这些都是已知的中风危险因素。
总共包括 118 项视网膜血管可测量指标，其中 29 项在调整传统危险因素后与首次卒中风险显着相关。超过一半17是密度指标； 8 属于复杂性类别； 3为口径指标； 1 属于扭曲类别。
密度指标的每次变化都与中风风险增加 10-19% 相关，而口径指标的类似变化则与风险增加 10-14% 相关。
复杂性和扭曲性指标的每一次降低都与 10.5-19.5% 的风险增加相关。
研究结果显示，这种视网膜“血管指纹”，即使仅与年龄和性别相结合，也与单独使用传统危险因素来预测未来中风风险一样好。
这是一项观察性研究，因此无法就因果关系得出明确的结论。研究人员承认，这些发现可能不适用于不同种族，因为英国生物银行的大多数参与者都是白人。他们也无法评估与不同类型中风相关的风险。
尽管如此，他们得出的结论是：“鉴于年龄和性别很容易获得，并且可以通过常规眼底摄影获得视网膜参数，该模型为中风风险评估提供了一种实用且易于实施的方法，特别是对于初级医疗保健和资源匮乏的环境”。
