服务热线
400-658-6616
近视已成为全球公共卫生难题,及早发现并预测高风险儿童对预防近视及其并发症至关重要。现有近视预测模型大多依赖睫状肌麻痹后的等效球镜(SE)和眼轴长度(AL)等参数,尽管预测准确,但在大规模筛查中面临局限,尤其是在医疗资源匮乏的地区。此外,前期模型主要关注近视检测和高度近视风险预测,未充分考虑干预需求。
近日,上海市眼病防治中心许迅教授与何鲜桂教授,上海交通大学计算机科学与工程系盛斌教授,及香港中文大学Chi Pui Pang(彭智培)教授等多地学者共同在《npj Digital Medicine》(IF:15.2)上发表了题为A Deep Learning System for Myopia Onset Prediction and Intervention Effectiveness Evaluation in Children的研究论文。该研究开发了名为DeepMyopia的深度学习算法,通过分析儿童青少年的视网膜眼底图像,预测近视发生,并识别高风险个体,为个性化干预提供决策支持。
图1 本文于2024年8月在《npj Digital Medicine》在线发表
研究方法
DeepMyopia基于视网膜眼底图像、眼轴长度、年龄和性别进行输入,在非睫状肌麻痹的情况下实现了高效操作(图2)。与传统的睫状肌麻痹验光相比,DeepMyopia避免了时间消耗、家长不接受等问题,显示出在大规模筛查中的实际可行性。该系统首先在上海的大型数据集上进行了严格的验证,随后在中国多个地区(包括北京、广州、香港、昆明、呼和浩特、乌鲁木齐)的独立数据集上进行外部验证,表现出比较理想的预测精确性和稳定性。
图2 DeepMyopia示意图概述
研究结果
通过结合儿童的视网膜眼底图像及非睫状肌麻痹的眼科参数,DeepMyopia能够准确预测未来三年内的近视发生(图3),并在内部测试集中实现0.908、0.813、0.810的AUC值,外部测试集中也保持了稳健的表现,优于纯眼底图像模型和非睫状肌麻痹临床模型,与睫状肌麻痹临床模型性能相当。
图3 四种模型预测未来三年近视发病的性能
DeepMyopia在近视发生风险的分层中表现出色,能够有效区分低风险和高风险群体,Kaplan - Meier曲线显示两组在内部和外部测试集上显著分离(图4)。
图4 根据风险分层结果近视发生的生存曲线
在后续的模拟随机对照试验中,研究团队进一步探讨了DeepMyopia在近视风险分层中的实际应用价值。结果表明,利用 DeepMyopia区分高低风险儿童后,基于相应强度的干预措施,可预防更多近视发生(图5)。
图5 DeepMyopia辅助干预的模拟随机对照试验
此外,研究团队通过Markov模型评估了DeepMyopia在减少近视疾病负担方面的有效性(图6)。结果显示,与未强化干预的常规组相比,DeepMyopia辅助干预能够增加0.75(95%CI:0.53,1.04)质量调整生命年(QALYs),避免失明年数为每100万人 13.54(95%CI:9.57,18.83)年。
图6 Markov模型模拟从正常到近视、病理性近视以及近视相关失明的一生经历
研究结论
基于眼底图像和非睫状肌麻痹眼部参数的 DeepMyopia 在预测近视发病方面表现出色,可预测未来三年近视发生,准确识别近视高风险个体,针对性开展强化干预,有效减轻近视疾病负担,为儿童近视的早期检测和干预指导提供了一种可靠而高效的工具,在实际公共卫生大规模筛查中具有巨大潜力。