AI可能会帮助发现处于最严重盲症形式风险中的新生儿

经过美国食品药品监督管理局(FDA)快速批准的人工智能(AI)设备可能有助于识别有发生早熟性后部视网膜病变(AP-ROP)风险的新生儿。AP-ROP是最严重的ROP形式，可能难以及时诊断以保存视力。由美国国家眼科研究所资助的研究结果于2月7日在线发表在眼科杂志上。

研究人员表示：“人工智能有可能帮助我们及早识别出AP-ROP的婴儿。但它也为定量指标提供了基础，以帮助我们更好地了解AP-ROP的病理生理学，这对改善我们对其的管理方式至关重要。”首席研究员，俄勒冈州波特兰市健康与科学大学凯西眼科研究所医学博士，医学博士，医学博士。

早产婴儿有患视网膜病的风险。也就是说，它们的眼睛中有脆弱的血管，会渗血并异常生长。如果不加以治疗，血管生长会恶化并引起瘢痕形成，瘢痕形成可能会拉长并导致视网膜(眼后部的光敏组织)脱离。视网膜脱离是ROP导致视力丧失的主要原因。每年，在美国，ROP的发生率约为0.17%。大多数病例是轻度的，无需治疗即可解决。

出生后，对早产儿的眼睛进行筛查，并密切注意视网膜病变的迹象。但是与ROP相关的变化沿一系列严重性发生。AP-ROP可以避免诊断，因为它的功能比典型的ROP更加微妙和难以理解。AP-ROP在2005年被正式确认为诊断实体。然而，在日常实践中，临床医生如何解释眼内眼底图像是否显示AP-ROP征兆存在显着差异。坎贝尔说：“即使是最有经验的评估员，对于眼底图像是否显示AP-ROP也存在分歧。”

在先前的研究中，深度学习(一种用于图像识别的AI)在检测眼底图像中的细微图案和对ROP进行分类方面比专家更准确。研究人员使用自动深度学习ROP分类器设计了定量的血管严重程度评分(1-9评分)，用于评估新生儿，监测疾病进展和对治疗的反应。但是，该研究并未专门针对AP-ROP检测。

在本研究中，九个新生儿护理中心使用深度学习来确定其对AP-ROP的检测程度。随着时间的推移，对研究中的947名新生儿进行了随访，并由深度学习系统和一组专业的眼底图像分级人员对总共5945次眼科检查的眼底图像进行了分析。

在所有眼睛中，有3%出现了AP-ROP。

在专业评分者之间，读者之间存在很大的分歧，这表明需要疾病严重程度的客观指标。

重要的是，出现了更清晰，可量化的AP-ROP患者资料，这有助于更早发现高危婴儿。患AP-ROP的婴儿往往更早。与需要治疗但从未发育成AP-ROP-的婴儿相比，AP-ROP婴儿出生时较轻(617 g对679 g)，更年轻(24.3周对25.0周)。在该人群中，没有26周后出生的婴儿出现AP-ROP。

AP-ROP也倾向于迅速发作，并迅速恶化。尽管在AP-ROP的诊断中一直暗示疾病的快速发展，但是迄今为止，还没有方法可以测量这种临床特征。根据研究结果，监测血管严重程度评分变化的速率可以改善对AP-ROP风险的检测。

与没有AP-ROP的婴儿相比，患有AP-ROP的婴儿也更有可能患有合并症，例如慢性肺部疾病。坎贝尔说，肺病婴儿对更高氧气浓度的需求可能在他们的眼部疾病中起作用。几十年前，研究人员在出生时常规使用高浓度氧气与视网膜病变发展的增加之间建立了联系。氧气几乎是生存所必需的，但要非常小心地进行滴定，以使生存最大化，同时将视力风险降至最低。坎贝尔说：“这仍然是一种平衡行为。”

Grace L说：“重要的是要认识到，目前尚无诊断AP-ROP的金标准。但是，基于客观的，基于AI的指标来检测AP-ROP，对于这一高度脆弱的婴儿群体而言，是朝正确方向迈出的一步。” Shen博士，在NEI负责壁外科学计划部门的视网膜疾病计划。