当前主要的视网膜影像技术包括彩色眼底照相、光学相干断层扫描、OCT血管成像以及超广角眼底成像。彩色眼底照相是最经典的成像方式，能够清晰展示视网膜的整体结构和血管形态；光学相干断层扫描则提供近似组织学水平的视网膜横截面图像，可精确测量各层视网膜厚度；OCT血管成像无需注射造影剂即可可视化视网膜血管的密度和形态，实现分层微血管网络的三维重建；超广角眼底成像可覆盖二百度以上的视网膜范围，弥补了黄斑区以外周边视网膜信息的缺失。这些技术各有侧重，多模态联合分析已成为当前眼底疾病诊断和全身健康评估的发展趋势。

在这些视网膜影像技术中，已经确立的关键生物标志物包括：血管口径、血管弯曲度、分形维数、黄斑血管密度、视网膜厚度、黄斑无血管区面积等。借助这些标志物，我们可以通过视网膜窥见多种系统性疾病：例如，在心血管疾病中观察到血管口径和弯曲度的异常；在高血压患者中可见动静脉比值变化、交叉征和铜丝征；糖尿病患者则出现微动脉瘤、出血、渗出甚至新生血管；肾脏疾病患者的视网膜血管改变与估算肾小球滤过率相关；神经退行性疾病患者的视网膜神经纤维层变薄可反映脑部变化；而代谢综合征则表现为多种血管和结构改变的综合特征。

针对CKM患者，需要重点观察的眼底微血管改变包括动脉局灶性狭窄、动静脉交叉压迫、动脉壁反光增强以及静脉增宽。有研究发现，代谢综合征显著推高视网膜病变的风险（增加1.64倍），并观测到视网膜静脉异常增宽（平均+4.69 μm）。

值得注意的是，CKM患者的动静脉受损机制有所不同：动脉端主要由血流动力学破坏所致，血压升高是动脉病变的绝对主导因素，高压可导致管壁硬化、管腔收缩以及对相邻静脉的物理压迫；静脉端则主要受全身炎症与代谢负担影响，腹型肥胖相关的系统性炎症和内皮功能障碍使静脉失去弹性并发生代偿性扩张。

此外，特定的代谢指标会触发特定的血管破坏模式：腰围增加主要导致视网膜病变和静脉增宽，血压升高可致整体动脉变窄、局灶性狭窄、交叉压迫及壁反光增强，而甘油三酯升高则主要与壁反光增强相关。

视网膜是人体内唯一可以直接无创观察到微血管和神经纤维的组织，其微血管是全身灌注与代谢的缩影，而视网膜神经节细胞则是大脑与中枢神经的直接物理延伸。2020年，Wagner等学者将基于视网膜组织研究全身健康的学科称为“眼组学”（Oculomics）。

当前借助AI技术，能够跨越人类视觉的极限，通过分析影像中的像素级细微改变，实现亚临床疾病特征的提取，从而揭示全身健康状况——

在心血管疾病方面：研究人员利用AI分析彩色眼底照片，已能有效预测未来五年内发生主要不良心血管事件的风险。此外，AI可以通过眼底照片推算冠状动脉钙化评分，这种方法不仅反映了传统CT扫描的预测能力，而且在与既有的心血管风险模型结合时，能够提高处于临界或中等风险水平患者的预测准确性。全自动的AI视网膜血管分析系统还可以精准测量血管口径，研究证实较窄的视网膜动脉直径和较宽的静脉直径与更高的心血管疾病突发风险密切相关。

在肾脏疾病方面：基于眼底彩照和OCT图像训练的AI模型已被证明能够准确预测早期肾功能受损、慢性肾病和糖尿病肾病，甚至直接预测估算肾小球滤过率。AI系统还能通过眼底图像生成全新的定量变量用于长期发病风险分层，例如通过计算“视网膜年龄差”以及基于队列数据推导的“Reti-CKD评分”，这些指标可有效预测肾衰竭或慢性肾病的发病率，并对高危险比人群进行有效的风险分层。

在早期CKM综合征的评估方面：利用OCTA技术结合AI和自动化算法，通过视网膜厚度和血管密度进行评估，可以发现微小的微血管与结构改变。值得注意的是，在仅存在异常血糖、血脂、尿酸或血压水平但尚未确诊重症的早期CKM人群中，视网膜多个区域的厚度和血管密度（特别是黄斑区）已经表现出显著降低。

其中，视网膜年龄差作为衡量系统性衰老的独立指标，具有重要的预测价值：视网膜加速衰老人群的全因死亡风险可高达正常人群的2.13倍；按视网膜年龄差对人群进行分层后，差值最高的人群发生中风的风险是最低人群的2.37倍；视网膜年龄差每增加1年，慢性肾脏疾病的发生风险增加约3%，心血管疾病的风险增加约10%。

尽管眼组学在CKM领域展现出广阔前景，但从实验室研究走向临床应用仍面临多重挑战。首先，当前研究主要以横断面设计为主导，缺乏前瞻性、纵向的大型队列研究来验证因果关系。其次，AI算法普遍存在“黑盒”现象，其决策过程难以被临床医生理解和信任，因此需要开发具有临床可解释性的白盒AI模型。第三，眼底彩照、OCT和OCTA等设备品牌众多，成像协议和数据分析标准不统一，导致多中心研究结果的可比性较差，亟需建立统一的硬件采集与数据分析标准。最后，眼组学技术的卫生经济学证据尚不充分，未来仍需大规模社区筛查的成本效益评估。

刘堃教授团队围绕眼组学在CKM综合征防治中的应用开展了一系列研究工作：

1）在未进展至糖尿病视网膜病变的糖尿病患者中，探讨视网膜与脉络膜OCTA参数与肾功能之间的关联性。研究揭示肾小球滤过率与视网膜/脉络膜结构及微血管参数之间存在显著相关性，这一结果支持无创的OCTA指标可作为潜在的早期糖肾患者生物标志物。

2）在OCT/OCTA未完全覆盖的基层医院，探索眼底照相作为非侵入性肾功能评估指标的潜在工具。基于AI的眼底彩照图像智能分析系统，提取视网膜血管的分形维数、血管面积比、平均血管直径和扭曲度等参数，并与肾小球滤过率等肾功能指标进行分析。研究发现分形维数和扭曲度是预测肾功能损害的关键指标。该研究提示视网膜血管形态特征可作为无创生物标志物，用于评估糖尿病患者肾功能，为早期识别肾功能损害提供了新的影像学依据。

3）研究团队利用眼底照片和患者的临床元数据（如性别、年龄、BMI、糖尿病病程等），先通过回归任务估算肾小球滤过率，再进行高尿酸血症的分类。共训练了三种模型：仅元数据模型、仅眼底图像模型、以及两者结合的混合模型。结果显示，混合模型性能最佳：内部验证中AUC达到0.92，外部验证（UK Biobank）中AUC为0.89。结论指出，眼底图像结合临床元数据可有效用于糖尿病患者高尿酸血症的无创筛查，且算法主要关注眼底的视盘区域。

4）目前团队正与上海交大人工智能学院及上海市第一人民医院内分泌代谢科进行合作，通过多模态数据融合及CKM综合征大模型构建，建立临床应用模型以及CKM眼部疾病谱，为CKM综合征防治提供方法。

在未来，眼科医生将在CKM综合征的防治工作中发挥不可替代的重要作用。一方面，可以通过培训社区医生使用便携式眼底彩照设备进行常规拍照检查，将CKM的初筛网络下沉至基层医疗系统，使更多高危人群能够在早期获得评估。另一方面，眼科医生具备对眼底彩照、OCT、OCTA及超广角眼底成像等多模态影像数据的专业分析能力，能够通过这些技术手段为早期患者的精准防治提供有力支持。随着视网膜年龄差等新型生物标志物的不断成熟，眼组学有望从科研工具转变为临床常规，为CKM综合征的早期发现、动态监测和个体化干预提供全新的视角和解决方案。