Nature Medicine:突破!中山大学林浩添等团队合作开发基于智能手机的深度学习系统能,够及早发现幼儿视力障碍

时间:2023-01-28 15:16:17   热度:37.1℃   作者:网络

早期发现视力障碍至关重要,但在幼儿中经常被遗漏,它们只能与标准视力测试进行有限的合作。虽然视障儿童的某些特征,如面部外观和眼球运动,可以帮助眼科练习,但将这些特征应用于现实世界的筛查仍然具有挑战性。

2023年1月26日,中山大学林浩添及上海交通大学丁晓伟共同通讯在Nature Medicine在线发表题为“Early detection of visual impairment in young children using a smartphone-based deep learning system”的研究论文,该研究表明使用基于智能手机的深度学习系统能够及早发现幼儿视力障碍。该研究提出了一个移动健康(mHealth)系统,即基于智能手机的 Apollo婴儿视力(AIS),该系统通过记录和分析视觉刺激下的凝视行为和面部特征来识别患有16种眼科疾病中的任何一种的视障儿童。前瞻性地收集了3,652名儿童的视频,以开发和验证该系统。

为了检测视力障碍,AIS在中国多家眼科诊所收集的内部验证集中实现了0.940的受试者操作曲线下面积(AUC),在外部验证集中实现了0.843的AUC。在未经培训的父母或看护人使用智能手机在家中实施的AIS的进一步测试中,该系统能够适应不同的测试条件,并实现了0.859AUC。这种移动医疗系统有可能被医疗保健专业人员、父母和护理人员用于识别各种眼科疾病中视力受损的幼儿。

图片
 
视力障碍是全球儿童长期残疾的最重要原因之一,对教育和社会经济成就产生不利影响。婴幼儿期(幼儿期)是视力发育的关键时期,在此期间早期发现并及时治疗眼部病变可防止不可逆的视力丧失。幼儿无法抱怨视力困难,由于他们不愿意或发现难以配合标准视力测试,通常使用与年龄相适应的测试观察他们对视觉刺激的反应。然而,使用这些测试来评估幼儿的视力需要训练有素的操作人员,这极大地阻碍了它们的广泛采用。此外,即使由经验丰富的儿科眼科医生进行这些检查,在大规模人群筛查研究中也已被证明重复性低。因此,开发一种简单、有效的检测工具,及时诊断幼儿视力障碍,及时干预是当务之急。
 
引起儿童视力损害的眼部异常通常表现为典型的表型特征,如白内障和视网膜母细胞瘤的白眼(白眼)、先天性上睑下垂的眼睑下垂、先天性青光眼的角膜混浊和肿大。此外,先前的研究发现,动态异常行为特征,如异常眼球运动、注视模式或视觉偏好,也可能指向儿童潜在的眼部病理。这些表型表现常见于弱视、斜视等眼部疾病,可为诊断幼儿视力障碍提供有价值的线索。然而,由于缺乏实用有效的工具,系统地记录这些特征并将其应用于实际的眼科实践仍处于起步阶段。
 
图片
总体研究设计和参与者流程图(图源自Nature Medicine 
 
鉴于移动医疗(mHealth)和人工智能(AI)算法在识别或监测疾病状态方面的快速发展,使用移动设备(如智能手机)来记录和分析表型特征,以帮助识别幼儿视力障碍,这带来了巨大的机会。然而,开发这样一个用于大规模眼科应用的系统受到三个主要挑战的阻碍:(1)收集可靠地反映复杂环境中儿童视觉状态的表型数据,(2)推广该系统用于大规模应用,(3)提供其可行性的证据。阻碍许多医疗人工智能系统广泛采用的主要瓶颈是,当应用于现实世界中具有各种数据分布的设置时,其可行性和可靠性有限。
 
总之,该研究开发并验证了一种基于智能手机的创新技术,用于检测受各种眼病影响的幼儿的视力损害。鉴于智能手机的普及,AIS是一个很有前途的工具,可以应用于现实环境中,对这个特别脆弱的年龄组的视力丧失进行二级预防。
 
原文链接:
https://www.nature.com/articles/s41591-022-02180-9

上一篇: Acta Derm Venereol :...

下一篇: Eur Arch Otorhinolar...


 本站广告