眼底疾病認知的更新離不開眼底多模式影像的快速發展。特別是近年來廣角及超廣角眼底照相、超廣角熒光素眼底血管造影、吲哚青綠血管造影、眼底自身熒光及光相干斷層掃描血管成像等檢查的應用，讓臨床醫師對周邊部視網膜病變的觀察更為直接；自適應光學及熒光壽命成像檢眼鏡的應用，使臨床醫師在細胞及代謝層次對眼底疾病有了更進一步的認識。多模式影像之間相輔相成，可以從不同角度、不同層次反映疾病的病變特征。同時，眼底影像的數字化及智能化也在快速發展。但是如何正確使用多模式影像，如何正確理解人工智能在眼科影像的應用以及如何從影像中歸納總結，也是每位眼科醫生需要思考的問題。
引用本文： 宋宗明, 郭曉紅. 眼底多模式影像的進展及其現階段存在的問題. 中華眼底病雜志, 2022, 38(2): 93-97. doi: 10.3760/cma.j.cn511434-20220110-00014 復制
眼科的發展離不開影像，影像的發展又推動著眼科的進展。在這個知識爆炸的新時代，尤其是新設備、新技術不斷更新迭代的時代，眼科多模式影像的發展為臨床醫生從不同的角度去理解疾病的病因和發展特征提供了很大的幫助，特別是近年來眼科影像數字化和人工智能的應用，更是將眼底多模式影像推向了一個繁榮發展的新高度。
1 眼底多模式影像的進展概述
近年來，“多模式影像”一詞在越來越多的眼科臨床報道中被使用，強調了結合多種成像方式的重要性。然而，眼科對這一術語在很長一段時間內沒有明確的定義。直到2016年Novais等[1]將“多模式影像”定義為使用1個以上的技術系統來同時或在短時間內采集圖像，這些圖像相互補充，用于疾病的診斷、預測、管理和監測。因此，不同的影像模式可以明確地分析特定的結構特征。在臨床工作中，多模式影像系統主要包括兩種：（1）可以同時執行多種成像模式的混合設備，如海德堡多模式影像平臺，可集熒光素眼底血管造影（FFA）、吲哚青綠血管造影（ICGA）、光相干斷層掃描（OCT）、OCT血管成像（OCTA）、眼底自身熒光（FAF）檢查于一體，用一臺機器即可完成患者的相關檢查，且可以完成不同檢查模式之間的點對點對應觀察，提高對疾病的認識。（2）通過影像歸檔和通信系統（PACS）的整合，將不同設備的圖片信息集中在一起。目前的PACS系統僅將不同的檢查結果進行了整合，但是并不能進行不同模式之間的點對點對應觀察，相信在今后不斷發展以及人工智能（AI）的協助下，未來可實現通過PACS系統進行不同設備檢查結果之間點對點對應關系之間的對應及觀察。不管是哪種多模式成像系統，作為目前眼底疾病診療中最重要的眼底照相、FFA、ICGA、OCT、OCTA、FAF以及新近發展的自適應光學（AO）、熒光壽命成像檢眼鏡（FILO）等影像檢查方式，它們都從不同的角度闡述著疾病的發生、發展機制。
1.1 眼底照相
眼底照相是最早用來進行眼底疾病評估和檢測的臨床手段，從最開始的標準后極部30°~50°眼底照，到后來的標準7視野眼底彩色照相的拼接圖像，再到后來的廣角眼底成像（WFP）、超廣角眼底成像（UWFP），其可拍攝范圍越來越廣，對病灶的觀察范圍也越來越大。但是，在臨床研究過程中，對于WFP及UWFP具體范圍的認定，缺乏統一的認識。最新的研究建議，將解剖學標志物納入觀察，將WFP定義為包含后極部以外、渦靜脈壺腹部之后的視網膜解剖特征的圖像；將UWFP定義為4個象限中顯示渦靜脈壺腹部前方視網膜解剖特征的圖像[2]。越來越大、越清晰的眼底圖像能夠更早地發現周邊部異常病變，如高度近視周邊部視網膜變性、視網膜靜脈阻塞、糖尿病視網膜病變（DR）、家族性滲出性玻璃體視網膜病變、Coats病等。眼底照相正在朝向更大拍攝范圍及成像更清晰、更真實的方向發展。
1.2 FFA和ICGA
FFA和ICGA是一項可以動態觀察視網膜、脈絡膜血管性疾病的方法。FFA主要觀察視網膜血管性疾病及視網膜內、外屏障功能變化引起的滲漏性改變。ICGA在顯示脈絡膜新生血管（CNV）相關性疾病、脈絡膜視網膜炎癥疾病、脈絡膜肥厚型疾病及脈絡膜腫瘤等疾病中廣泛應用。同時FFA及ICGA的應用不僅僅局限在眼底，而且廣泛應用于虹膜及結膜相關性疾病，如虹膜新生血管、翼狀胬肉及眼表相關腫瘤的血管結構和功能的觀察等。
隨著成像技術及成像范圍的擴大，超廣角FFA已逐漸應用于臨床。與傳統FFA不同，超廣角FFA無需拼圖，后極部和周邊視網膜一次成像，使我們能更早更及時地發現周邊視網膜的血管滲漏情況、無灌注區和新生血管等病變，尤其是在葡萄膜炎、早期DR以及周邊部視網膜、脈絡膜腫瘤的診斷上起重要作用。同樣，超廣角ICGA越來越多地應用于渦靜脈回流情況、眼底后渦靜脈分布與高度近視相關性以及脈絡膜肥厚譜系引起的脈絡膜大血管的擴張、滲漏的研究[3-4]。
1.3 OCT和OCTA
自上世紀90年代OCT問世以來，OCT已成為臨床診斷與試驗研究中眼底疾病診斷與評價不可或缺的一項檢查。從最開始的時域OCT到現在廣泛應用的頻域OCT以及快速發展的掃頻源OCT，其掃描速度明顯提升，從最開始的2萬次/s，到現在的10萬次/s甚至40萬次/s；軸向分辨率也高達2 μm，幾乎接近細胞水平[5]；掃描深度也從3 mm逐漸發展到6 mm甚至12 mm，單次掃描線的長度可達26 mm，使中周部、后極部視網膜的一次成像成為可能。通過OCT檢查，我們可以很直觀地認識黃斑裂孔、黃斑前膜、視網膜動脈阻塞（RAO）、視網膜靜脈阻塞（RVO）、DR、老年性黃斑變性（AMD）等常見眼底疾病；同時，能夠從組織結構層次去認識視網膜色素變性（RP）、急性局灶性隱匿性外層視網膜病變（AZOOR）、多發性一過性白點綜合征（MEWDS）、視錐細胞營養不良、光損傷等視網膜外層相關病變的特征。因此，臨床上越來越多的眼底病醫生通過OCT來協助疾病診斷、評估病情變化及治療效果。
OCTA可以無創、安全、快速的分層顯示視網膜及脈絡膜血流，能清晰顯示視網膜各層毛細血管、黃斑中心無血管區、視網膜動脈周圍無灌注區等視網膜血管特征。隨著OCT掃描深度的增加及算法的改進，OCTA中的橫斷面像可清晰呈現脈絡膜大血管形態，這提高了我們對脈絡膜肥厚型疾病的認識。OCTA在發展之初的局限性之一在于掃描范圍小，隨著技術的進步，現階段OCTA可通過拼圖技術實現眼內200°范圍內的血流拼圖，為我們認識周邊部視網膜及脈絡膜血管又提供了一個新的方法。隨著OCTA設備的普及和掃描范圍的擴大，在不久的將來，極有可能替代大部分疾病的FFA、ICGA檢查，如CNV、滲出型AMD、RAO、RVO、DR等，不僅減少了造影劑帶來的不良反應，也相應縮短了患者檢查時間。
1.4 FAF
FAF檢查，特別是短波長自身熒光，主要反映視網膜色素上皮（RPE）細胞代謝產物脂褐質的代謝和堆積情況，從而體現RPE功能變化的一項檢查技術。近紅外自身熒光（NIR-FAF）可以反映黑色素的代謝情況，相較于短波長FAF，NIR-FAF能更清晰地體現橢圓體帶的丟失[6]。FAF視野不僅僅局限于30°范圍內，周邊FAF的特點也可通過廣域掃描激光檢眼鏡來獲取，血管弓以外的FAF成像有助于評估視網膜疾病的周圍表現，特別是RP、Stargardt病黃斑斑點的發展、急性滲出性多形性卵黃樣黃斑病變（AEPVM）、MEWDS、AZOOR等病變范圍較廣的疾病。在疾病的診斷上，FAF發揮了重要作用，特別是光感受器病變。Mrejen等[7]利用多模式影像，特別是FAF將AZOOR病變分為三區，包括正常區域、強弱自身熒光混合區以及與弱自身熒光對應的脈絡膜萎縮區，對理解疾病的發生發展提供了重要依據。在疾病的鑒別診斷上，特別是Best病的卵黃破裂期與中心性漿液性脈絡膜視網膜病變（CSC）的鑒別診斷，FAF通過清晰顯示神經上皮層下積液周邊的卵黃樣物質的強自身熒光，與CSC相鑒別。
1.5 AO
AO最早應用于天文望遠鏡，是補償由大氣湍流或其他因素致成像過程中波前畸變的最有前景的技術。近年來，AO技術在眼科的應用逐漸成熟，可清晰顯示人眼視網膜光感受器細胞和微血管的清晰圖像。OCT在視網膜成像時可以實現很高的軸向分辨率，但由于人眼近視、遠視和散光等個體差異以及眼球不自主運動等因素的影響，不可避免地限制了其橫向分辨率，AO可以顯著提升橫向分辨率，從而實現視網膜細胞及微血管的近衍射極限成像[8]。目前AO可清晰分辨視錐細胞及視錐細胞內節，但對視桿細胞的分辨還需要改進。AO可以在細胞層面上理解紅綠色盲、全色盲、RP、白化病、無脈絡膜癥等遺傳性疾病[9]。同時，AO不僅可以顯示視網膜微血管的結構特征，還可以顯示與血管相關的特點，如血管內是否存在無灌注、灌注映射以及血流的流速等特征[9]。但是AO的應用也存在一定的局限性，如AO視場較小，需多次采集拼接成像，未來大視場AO系統的設計和圖像采集速度的提高是AO成像的發展趨勢。
1.6 FLIO
FLIO是對眼底熒光壽命進行的一個成像技術[10]。熒光壽命是指眼底熒光團受到單波長激發后，從激發態到再次達到基態之間的平均時間。這個過程遵循指數衰減，時間尺度通常為皮秒到納秒。這不僅取決于分子本身，還取決于局部環境，是體現視網膜代謝過程的一個參數。在過去四十年中，視網膜固有熒光團的成像主要集中在強度測量上。然而，在過去幾年中，人們已經努力將熒光壽命作為一個額外的維度，從而實現時間和強度相結合的自體熒光團功能的測量。FLIO反應很多熒光團壽命，對環境高度敏感。隨著年齡的增長，健康人眼底熒光壽命時間延長[11]。AMD地圖樣萎縮后極部熒光壽命延長。急性CSC熒光壽命縮短[12]，隨著時間的延長，轉變為慢性CSC時，熒光壽命則延長。在Stargardt病變范圍內，較短或較長的熒光壽命均可見，在長期的隨訪中，早期較短的熒光壽命可表現為延長[13]。在未來的應用中，FLIO可能作為顯示Stargardt病等遺傳性視網膜營養不良病變早期視網膜變化的工具。同時，FLIO裝置在未來可能會被改進，包括可調節的自體熒光激發波長和發射熒光的檢測范圍，從而能夠具體地檢測單個熒光團的功能。
2 眼底影像的數字化
隨著計算機技術的不斷發展，數字圖像處理技術已越來越多地應用于眼科影像領域。計算機可輔助提取血管分支角度、分支系數、血管直徑和分形維數等幾何特征，視網膜血管形態參數（血管直徑、密度、分支和紆曲性等）是評估全身和眼部疾病的重要指標，可以反映疾病變化特點。目前已有多款軟件可通過眼底彩色照相來提取視網膜血管特征，如IDx、CAIAR、AVRnet等可測量視網膜血管管徑[14]；TORTnet系統可測量視網膜血管彎曲度[15]。這些眼底數字圖像特征也為我們提供了認識疾病的新角度。視網膜血管分型維數（FD）的變化可能與血壓、眼壓、血糖、缺氧、屈光不正、眼軸等因素有關，可應用于心臟病、腦卒中、糖尿病和腎病的病情監測。最新的研究將FD作為衡量血管分支復雜性和血管密度的指標，使用了來自54 813名英國生物庫參與者的97 895張眼底圖像，利用卷積神經網絡來分割視網膜微血管系統[16]。研究結果顯示，低FD和血管密度與更高的死亡率、高血壓、充血性心力衰竭、腎功能衰竭、2型糖尿病、睡眠呼吸暫停、貧血和多種眼部疾病的風險顯著相關。同時，FD和血管密度的全基因組關聯分別確定了7個和13個新位點，這些位點富含與血管生成（血管內皮生長因子、血小板衍生生長因子受體、血管生成素和Wnt信號通路等）和炎癥（白細胞介素、細胞因子信號通路等）相關的通路。因此，視網膜脈管系統可作為未來心臟代謝和眼部疾病的生物標志物，同時可以與電子健康記錄、生物標志物和遺傳數據相結合，為風險預測和風險修改提供信息。
3 眼底影像的AI技術
AI在眼科影像學領域已成為當前研究的熱點。機器通過深度學習系統（DLS）和反復的自我訓練，來達到像人腦一樣高效的模式識別和學習能力，其中卷積神經網絡技術被廣泛應用于圖像識別[17]。隨著AI技術在眼科的蓬勃發展，從最開始僅應用于DR，到目前廣泛應用于AMD、青光眼、屈光不正、視網膜脫離和眼部腫瘤等疾病中，機器學習識別的對象也不僅僅局限于彩色眼底像，而是越來越多的關注于多模式影像所蘊含的相關信息，從而進行深度學習。特別是隨著OCT在視網膜疾病中的應用，明顯提升了AI在視網膜疾病中的識別準確率。最新研究將OCTA技術用于DR篩查，內部驗證集中受試者工作特征曲線下面積（AUC）值可達0.919~0.976，識別準確率為91%~98%，靈敏度為86%~97%，特異性為94%~99%，在DR的分類中達到了滿意的效果[18]。目前AI正在從試驗模型向臨床實施階段轉變。來自中山大學中山眼科中心的研究團隊，使用來自現實世界的數據來訓練臨床適用于眼底疾病的DLS[19]。該團隊使用的綜合視網膜AI專家系統AUC值為0.955（標準差為0.046），外部測試集中的AUC值在三級醫院為0.965（標準差為0.035），社區醫院為0.983（標準差為0.031），體檢中心為0.953（標準差為0.042）[19]。該系統在真實環境中多個視網膜疾病中的篩查表現出色，為將來AI進一步的臨床實施及應用提供了有力的證據。
4 眼底多模式影像中存在的問題
目前關于多模式影像的應用存在以下幾個問題：（1）如何利用醫院有限的檢查設備，合理選擇檢查方式，提高疾病的檢出率。我國由于經濟發展及地區之間的差異，不同級別的醫院眼科檢查設備之間存在一定的差距。對于基層眼科醫生而言，要提高對常用眼科檢查如FFA、OCT等的認識，掌握常見病的各種影像學特征，合理選擇不同的檢查方式，提高常見病的診出率。如對于CSC患者，可以在初診時應用FFA聯合OCT檢查，FFA確認滲漏點的位置，從而指導眼底激光治療，OCT了解神經上皮層下積液及RPE脫離的情況；后續的隨訪可采用OCT了解患者的恢復情況。對于Stargardt病患者，可采用FAF長期隨訪，了解RPE萎縮及脂褐質代謝的情況。（2）在“多模式影像”的大環境下，一味追求“全”而非“精”，造成一定的資源浪費以及患者的經濟負擔。隨著醫院購置新型設備的增加，不能一味的為了降低“漏診率”而追求多模式影像，而是需要提高“確診率”選擇合適的多模式影像。在考慮經濟成本的同時，我們也應考慮患者的“時間成本”。單功能的設備圖片質量較高，操作較為簡單，但是難以做到與其他檢查的點對點對應；而復合功能的設備操作多較為復雜，但是在一定程度上節約了患者及檢查醫生的“時間成本”，且能做到與其他檢查方式之間點對點對應。目前，集各種檢查于一體且成像質量均做到最優的設備是不存在的。因此，如何衡量“經濟成本”、“時間成本”、“質量成本”之間的關系，是每位眼底病醫生需要思考的問題。（3）不同設備、不同醫院之間，同一項檢查，可能給出的報告并不同。現階段，患者流動性較大，如何制定各項檢查的標準化操作及統一報告模式，讓各個醫院之間能做到檢查結果的認可，減少患者重復檢查的次數，依然是我們需要思考和解決的問題。（4）在互聯網高速發展的時代，成立眼科影像閱片中心能夠造福于更多的患者。目前國際上成熟的眼科影像中心有美國威斯康辛讀片中心、德國波恩大學讀片中心和南加州大學杜漢尼圖像讀片中心等。眼科閱片中心建立的同時，可同步搭建眼科影像遠程會診平臺，為后期推進區域醫聯體建設，建立分級診療和雙向轉診機制打下基礎。但是目前眼底設備和型號眾多，數據格式多種多樣，如何對眼底影像進行標準化、數字化仍然是目前面對的一個難題。（5）眼底影像相關的AI模型從研發到診斷準確性的研究，再到實際臨床工作中的應用，還有很長一段路要走。目前大部分的AI模型尚未進行大規模的臨床實際應用，同時與之相關的倫理問題、法律法規以及項目費用的收取標準等，還需要進一步的摸索。（6）我國患者基數大，疾病種類豐富，特別是近年來，眼底相關國產設備的崛起，如掃頻源OCT等，如何應用現有的豐富眼科影像資料對眼底影像的相關特征進行總結，提高國內學者在國際學術界的影響力，仍然是眼科醫生需要思考的一個問題。
5 眼底影像的發展愿景
眼底影像正在朝著更深、更廣、更精細、數字化和智能化的方向發展。現階段，超廣角眼底成像及造影檢查已成為可能，相信在不久的將來，單次OCT掃描一次成像范圍也能達到超廣角的水平。多模式影像的綜合應用向眼底病醫生提出了挑戰，要求他們不斷發展經驗和技能，利用多種影像模式去解釋疾病的發生、發展；同時，多模式影像也在穩步提供一個不斷擴大的知識數據庫，不斷更新著我們對視網膜疾病的診斷、認知和管理。
眼科的發展離不開影像，影像的發展又推動著眼科的進展。在這個知識爆炸的新時代，尤其是新設備、新技術不斷更新迭代的時代，眼科多模式影像的發展為臨床醫生從不同的角度去理解疾病的病因和發展特征提供了很大的幫助，特別是近年來眼科影像數字化和人工智能的應用，更是將眼底多模式影像推向了一個繁榮發展的新高度。
1 眼底多模式影像的進展概述
近年來，“多模式影像”一詞在越來越多的眼科臨床報道中被使用，強調了結合多種成像方式的重要性。然而，眼科對這一術語在很長一段時間內沒有明確的定義。直到2016年Novais等[1]將“多模式影像”定義為使用1個以上的技術系統來同時或在短時間內采集圖像，這些圖像相互補充，用于疾病的診斷、預測、管理和監測。因此，不同的影像模式可以明確地分析特定的結構特征。在臨床工作中，多模式影像系統主要包括兩種：（1）可以同時執行多種成像模式的混合設備，如海德堡多模式影像平臺，可集熒光素眼底血管造影（FFA）、吲哚青綠血管造影（ICGA）、光相干斷層掃描（OCT）、OCT血管成像（OCTA）、眼底自身熒光（FAF）檢查于一體，用一臺機器即可完成患者的相關檢查，且可以完成不同檢查模式之間的點對點對應觀察，提高對疾病的認識。（2）通過影像歸檔和通信系統（PACS）的整合，將不同設備的圖片信息集中在一起。目前的PACS系統僅將不同的檢查結果進行了整合，但是并不能進行不同模式之間的點對點對應觀察，相信在今后不斷發展以及人工智能（AI）的協助下，未來可實現通過PACS系統進行不同設備檢查結果之間點對點對應關系之間的對應及觀察。不管是哪種多模式成像系統，作為目前眼底疾病診療中最重要的眼底照相、FFA、ICGA、OCT、OCTA、FAF以及新近發展的自適應光學（AO）、熒光壽命成像檢眼鏡（FILO）等影像檢查方式，它們都從不同的角度闡述著疾病的發生、發展機制。
1.1 眼底照相
眼底照相是最早用來進行眼底疾病評估和檢測的臨床手段，從最開始的標準后極部30°~50°眼底照，到后來的標準7視野眼底彩色照相的拼接圖像，再到后來的廣角眼底成像（WFP）、超廣角眼底成像（UWFP），其可拍攝范圍越來越廣，對病灶的觀察范圍也越來越大。但是，在臨床研究過程中，對于WFP及UWFP具體范圍的認定，缺乏統一的認識。最新的研究建議，將解剖學標志物納入觀察，將WFP定義為包含后極部以外、渦靜脈壺腹部之后的視網膜解剖特征的圖像；將UWFP定義為4個象限中顯示渦靜脈壺腹部前方視網膜解剖特征的圖像[2]。越來越大、越清晰的眼底圖像能夠更早地發現周邊部異常病變，如高度近視周邊部視網膜變性、視網膜靜脈阻塞、糖尿病視網膜病變（DR）、家族性滲出性玻璃體視網膜病變、Coats病等。眼底照相正在朝向更大拍攝范圍及成像更清晰、更真實的方向發展。
1.2 FFA和ICGA
FFA和ICGA是一項可以動態觀察視網膜、脈絡膜血管性疾病的方法。FFA主要觀察視網膜血管性疾病及視網膜內、外屏障功能變化引起的滲漏性改變。ICGA在顯示脈絡膜新生血管（CNV）相關性疾病、脈絡膜視網膜炎癥疾病、脈絡膜肥厚型疾病及脈絡膜腫瘤等疾病中廣泛應用。同時FFA及ICGA的應用不僅僅局限在眼底，而且廣泛應用于虹膜及結膜相關性疾病，如虹膜新生血管、翼狀胬肉及眼表相關腫瘤的血管結構和功能的觀察等。
隨著成像技術及成像范圍的擴大，超廣角FFA已逐漸應用于臨床。與傳統FFA不同，超廣角FFA無需拼圖，后極部和周邊視網膜一次成像，使我們能更早更及時地發現周邊視網膜的血管滲漏情況、無灌注區和新生血管等病變，尤其是在葡萄膜炎、早期DR以及周邊部視網膜、脈絡膜腫瘤的診斷上起重要作用。同樣，超廣角ICGA越來越多地應用于渦靜脈回流情況、眼底后渦靜脈分布與高度近視相關性以及脈絡膜肥厚譜系引起的脈絡膜大血管的擴張、滲漏的研究[3-4]。
1.3 OCT和OCTA
自上世紀90年代OCT問世以來，OCT已成為臨床診斷與試驗研究中眼底疾病診斷與評價不可或缺的一項檢查。從最開始的時域OCT到現在廣泛應用的頻域OCT以及快速發展的掃頻源OCT，其掃描速度明顯提升，從最開始的2萬次/s，到現在的10萬次/s甚至40萬次/s；軸向分辨率也高達2 μm，幾乎接近細胞水平[5]；掃描深度也從3 mm逐漸發展到6 mm甚至12 mm，單次掃描線的長度可達26 mm，使中周部、后極部視網膜的一次成像成為可能。通過OCT檢查，我們可以很直觀地認識黃斑裂孔、黃斑前膜、視網膜動脈阻塞（RAO）、視網膜靜脈阻塞（RVO）、DR、老年性黃斑變性（AMD）等常見眼底疾病；同時，能夠從組織結構層次去認識視網膜色素變性（RP）、急性局灶性隱匿性外層視網膜病變（AZOOR）、多發性一過性白點綜合征（MEWDS）、視錐細胞營養不良、光損傷等視網膜外層相關病變的特征。因此，臨床上越來越多的眼底病醫生通過OCT來協助疾病診斷、評估病情變化及治療效果。
OCTA可以無創、安全、快速的分層顯示視網膜及脈絡膜血流，能清晰顯示視網膜各層毛細血管、黃斑中心無血管區、視網膜動脈周圍無灌注區等視網膜血管特征。隨著OCT掃描深度的增加及算法的改進，OCTA中的橫斷面像可清晰呈現脈絡膜大血管形態，這提高了我們對脈絡膜肥厚型疾病的認識。OCTA在發展之初的局限性之一在于掃描范圍小，隨著技術的進步，現階段OCTA可通過拼圖技術實現眼內200°范圍內的血流拼圖，為我們認識周邊部視網膜及脈絡膜血管又提供了一個新的方法。隨著OCTA設備的普及和掃描范圍的擴大，在不久的將來，極有可能替代大部分疾病的FFA、ICGA檢查，如CNV、滲出型AMD、RAO、RVO、DR等，不僅減少了造影劑帶來的不良反應，也相應縮短了患者檢查時間。
1.4 FAF
FAF檢查，特別是短波長自身熒光，主要反映視網膜色素上皮（RPE）細胞代謝產物脂褐質的代謝和堆積情況，從而體現RPE功能變化的一項檢查技術。近紅外自身熒光（NIR-FAF）可以反映黑色素的代謝情況，相較于短波長FAF，NIR-FAF能更清晰地體現橢圓體帶的丟失[6]。FAF視野不僅僅局限于30°范圍內，周邊FAF的特點也可通過廣域掃描激光檢眼鏡來獲取，血管弓以外的FAF成像有助于評估視網膜疾病的周圍表現，特別是RP、Stargardt病黃斑斑點的發展、急性滲出性多形性卵黃樣黃斑病變（AEPVM）、MEWDS、AZOOR等病變范圍較廣的疾病。在疾病的診斷上，FAF發揮了重要作用，特別是光感受器病變。Mrejen等[7]利用多模式影像，特別是FAF將AZOOR病變分為三區，包括正常區域、強弱自身熒光混合區以及與弱自身熒光對應的脈絡膜萎縮區，對理解疾病的發生發展提供了重要依據。在疾病的鑒別診斷上，特別是Best病的卵黃破裂期與中心性漿液性脈絡膜視網膜病變（CSC）的鑒別診斷，FAF通過清晰顯示神經上皮層下積液周邊的卵黃樣物質的強自身熒光，與CSC相鑒別。
1.5 AO
AO最早應用于天文望遠鏡，是補償由大氣湍流或其他因素致成像過程中波前畸變的最有前景的技術。近年來，AO技術在眼科的應用逐漸成熟，可清晰顯示人眼視網膜光感受器細胞和微血管的清晰圖像。OCT在視網膜成像時可以實現很高的軸向分辨率，但由于人眼近視、遠視和散光等個體差異以及眼球不自主運動等因素的影響，不可避免地限制了其橫向分辨率，AO可以顯著提升橫向分辨率，從而實現視網膜細胞及微血管的近衍射極限成像[8]。目前AO可清晰分辨視錐細胞及視錐細胞內節，但對視桿細胞的分辨還需要改進。AO可以在細胞層面上理解紅綠色盲、全色盲、RP、白化病、無脈絡膜癥等遺傳性疾病[9]。同時，AO不僅可以顯示視網膜微血管的結構特征，還可以顯示與血管相關的特點，如血管內是否存在無灌注、灌注映射以及血流的流速等特征[9]。但是AO的應用也存在一定的局限性，如AO視場較小，需多次采集拼接成像，未來大視場AO系統的設計和圖像采集速度的提高是AO成像的發展趨勢。
1.6 FLIO
FLIO是對眼底熒光壽命進行的一個成像技術[10]。熒光壽命是指眼底熒光團受到單波長激發后，從激發態到再次達到基態之間的平均時間。這個過程遵循指數衰減，時間尺度通常為皮秒到納秒。這不僅取決于分子本身，還取決于局部環境，是體現視網膜代謝過程的一個參數。在過去四十年中，視網膜固有熒光團的成像主要集中在強度測量上。然而，在過去幾年中，人們已經努力將熒光壽命作為一個額外的維度，從而實現時間和強度相結合的自體熒光團功能的測量。FLIO反應很多熒光團壽命，對環境高度敏感。隨著年齡的增長，健康人眼底熒光壽命時間延長[11]。AMD地圖樣萎縮后極部熒光壽命延長。急性CSC熒光壽命縮短[12]，隨著時間的延長，轉變為慢性CSC時，熒光壽命則延長。在Stargardt病變范圍內，較短或較長的熒光壽命均可見，在長期的隨訪中，早期較短的熒光壽命可表現為延長[13]。在未來的應用中，FLIO可能作為顯示Stargardt病等遺傳性視網膜營養不良病變早期視網膜變化的工具。同時，FLIO裝置在未來可能會被改進，包括可調節的自體熒光激發波長和發射熒光的檢測范圍，從而能夠具體地檢測單個熒光團的功能。
2 眼底影像的數字化
隨著計算機技術的不斷發展，數字圖像處理技術已越來越多地應用于眼科影像領域。計算機可輔助提取血管分支角度、分支系數、血管直徑和分形維數等幾何特征，視網膜血管形態參數（血管直徑、密度、分支和紆曲性等）是評估全身和眼部疾病的重要指標，可以反映疾病變化特點。目前已有多款軟件可通過眼底彩色照相來提取視網膜血管特征，如IDx、CAIAR、AVRnet等可測量視網膜血管管徑[14]；TORTnet系統可測量視網膜血管彎曲度[15]。這些眼底數字圖像特征也為我們提供了認識疾病的新角度。視網膜血管分型維數（FD）的變化可能與血壓、眼壓、血糖、缺氧、屈光不正、眼軸等因素有關，可應用于心臟病、腦卒中、糖尿病和腎病的病情監測。最新的研究將FD作為衡量血管分支復雜性和血管密度的指標，使用了來自54 813名英國生物庫參與者的97 895張眼底圖像，利用卷積神經網絡來分割視網膜微血管系統[16]。研究結果顯示，低FD和血管密度與更高的死亡率、高血壓、充血性心力衰竭、腎功能衰竭、2型糖尿病、睡眠呼吸暫停、貧血和多種眼部疾病的風險顯著相關。同時，FD和血管密度的全基因組關聯分別確定了7個和13個新位點，這些位點富含與血管生成（血管內皮生長因子、血小板衍生生長因子受體、血管生成素和Wnt信號通路等）和炎癥（白細胞介素、細胞因子信號通路等）相關的通路。因此，視網膜脈管系統可作為未來心臟代謝和眼部疾病的生物標志物，同時可以與電子健康記錄、生物標志物和遺傳數據相結合，為風險預測和風險修改提供信息。
3 眼底影像的AI技術
AI在眼科影像學領域已成為當前研究的熱點。機器通過深度學習系統（DLS）和反復的自我訓練，來達到像人腦一樣高效的模式識別和學習能力，其中卷積神經網絡技術被廣泛應用于圖像識別[17]。隨著AI技術在眼科的蓬勃發展，從最開始僅應用于DR，到目前廣泛應用于AMD、青光眼、屈光不正、視網膜脫離和眼部腫瘤等疾病中，機器學習識別的對象也不僅僅局限于彩色眼底像，而是越來越多的關注于多模式影像所蘊含的相關信息，從而進行深度學習。特別是隨著OCT在視網膜疾病中的應用，明顯提升了AI在視網膜疾病中的識別準確率。最新研究將OCTA技術用于DR篩查，內部驗證集中受試者工作特征曲線下面積（AUC）值可達0.919~0.976，識別準確率為91%~98%，靈敏度為86%~97%，特異性為94%~99%，在DR的分類中達到了滿意的效果[18]。目前AI正在從試驗模型向臨床實施階段轉變。來自中山大學中山眼科中心的研究團隊，使用來自現實世界的數據來訓練臨床適用于眼底疾病的DLS[19]。該團隊使用的綜合視網膜AI專家系統AUC值為0.955（標準差為0.046），外部測試集中的AUC值在三級醫院為0.965（標準差為0.035），社區醫院為0.983（標準差為0.031），體檢中心為0.953（標準差為0.042）[19]。該系統在真實環境中多個視網膜疾病中的篩查表現出色，為將來AI進一步的臨床實施及應用提供了有力的證據。
4 眼底多模式影像中存在的問題
目前關于多模式影像的應用存在以下幾個問題：（1）如何利用醫院有限的檢查設備，合理選擇檢查方式，提高疾病的檢出率。我國由于經濟發展及地區之間的差異，不同級別的醫院眼科檢查設備之間存在一定的差距。對于基層眼科醫生而言，要提高對常用眼科檢查如FFA、OCT等的認識，掌握常見病的各種影像學特征，合理選擇不同的檢查方式，提高常見病的診出率。如對于CSC患者，可以在初診時應用FFA聯合OCT檢查，FFA確認滲漏點的位置，從而指導眼底激光治療，OCT了解神經上皮層下積液及RPE脫離的情況；后續的隨訪可采用OCT了解患者的恢復情況。對于Stargardt病患者，可采用FAF長期隨訪，了解RPE萎縮及脂褐質代謝的情況。（2）在“多模式影像”的大環境下，一味追求“全”而非“精”，造成一定的資源浪費以及患者的經濟負擔。隨著醫院購置新型設備的增加，不能一味的為了降低“漏診率”而追求多模式影像，而是需要提高“確診率”選擇合適的多模式影像。在考慮經濟成本的同時，我們也應考慮患者的“時間成本”。單功能的設備圖片質量較高，操作較為簡單，但是難以做到與其他檢查的點對點對應；而復合功能的設備操作多較為復雜，但是在一定程度上節約了患者及檢查醫生的“時間成本”，且能做到與其他檢查方式之間點對點對應。目前，集各種檢查于一體且成像質量均做到最優的設備是不存在的。因此，如何衡量“經濟成本”、“時間成本”、“質量成本”之間的關系，是每位眼底病醫生需要思考的問題。（3）不同設備、不同醫院之間，同一項檢查，可能給出的報告并不同。現階段，患者流動性較大，如何制定各項檢查的標準化操作及統一報告模式，讓各個醫院之間能做到檢查結果的認可，減少患者重復檢查的次數，依然是我們需要思考和解決的問題。（4）在互聯網高速發展的時代，成立眼科影像閱片中心能夠造福于更多的患者。目前國際上成熟的眼科影像中心有美國威斯康辛讀片中心、德國波恩大學讀片中心和南加州大學杜漢尼圖像讀片中心等。眼科閱片中心建立的同時，可同步搭建眼科影像遠程會診平臺，為后期推進區域醫聯體建設，建立分級診療和雙向轉診機制打下基礎。但是目前眼底設備和型號眾多，數據格式多種多樣，如何對眼底影像進行標準化、數字化仍然是目前面對的一個難題。（5）眼底影像相關的AI模型從研發到診斷準確性的研究，再到實際臨床工作中的應用，還有很長一段路要走。目前大部分的AI模型尚未進行大規模的臨床實際應用，同時與之相關的倫理問題、法律法規以及項目費用的收取標準等，還需要進一步的摸索。（6）我國患者基數大，疾病種類豐富，特別是近年來，眼底相關國產設備的崛起，如掃頻源OCT等，如何應用現有的豐富眼科影像資料對眼底影像的相關特征進行總結，提高國內學者在國際學術界的影響力，仍然是眼科醫生需要思考的一個問題。
5 眼底影像的發展愿景
眼底影像正在朝著更深、更廣、更精細、數字化和智能化的方向發展。現階段，超廣角眼底成像及造影檢查已成為可能，相信在不久的將來，單次OCT掃描一次成像范圍也能達到超廣角的水平。多模式影像的綜合應用向眼底病醫生提出了挑戰，要求他們不斷發展經驗和技能，利用多種影像模式去解釋疾病的發生、發展；同時，多模式影像也在穩步提供一個不斷擴大的知識數據庫，不斷更新著我們對視網膜疾病的診斷、認知和管理。