人工智能可能有助于识别有患后发性早产儿视网膜病变风险的新生儿

赴美治疗服务机构和生元国际了解到，美国食品和药物管理局(Food and Drug Administration，简称fda)已对一种人工智能(AI)设备进行了快速跟踪，以获得批准。这种设备可能有助于识别有患后发性视网膜病变风险的早产儿(AP-ROP)。AP-ROP是ROP最严重的一种形式，很难及时诊断以挽救视力。这项由国家眼科研究所资助的研究结果于2月7日发表在《眼科学》(Ophthalmology)杂志的网站上。

人工智能有潜力帮助我们更早地识别出患有AP-ROP的婴儿。但它也为定量指标提供了基础，帮助我们更好地理解AP-ROP病理生理学，这是改善我们如何管理它的关键。”彼得·坎贝尔，医学博士，公共卫生学硕士，该研究的首席研究员，凯西眼科研究所，俄勒冈健康与科学大学在波特兰

早产儿有视网膜病变的风险。也就是说，他们的眼睛里有脆弱的血管，可能会渗漏血液，生长异常。如果不及时治疗，血管生长可能会恶化并造成疤痕，疤痕会拉扯并导致视网膜(眼睛后部的感光组织)脱离。视网膜脱离是ROP致盲的主要原因。在美国，ROP的发病率每年约为0.17%。大多数病例病情轻微，无需治疗即可治愈。

一出生，早产儿的眼睛就会被仔细检查，以发现视网膜病变的迹象。但是，杆状病毒相关的变化在一系列的严重程度范围内发生。AP-ROP可以逃避诊断，因为它的特征可能比典型的ROP更微妙和更难以理解。2005年，AP-ROP被正式确认为诊断实体。然而，在日常实践中，临床医生对眼底图像的理解是否存在AP-ROP的显著差异。坎贝尔说:“即使是最有经验的评估人员，也会对眼底图像是否反映了AP-ROP存在分歧。”

在之前的一项研究中，深度学习，一种用于图像识别的人工智能，在检测眼底图像中的细微模式和分类ROP方面比专家更准确。利用自动化深度学习ROP分类器，研究人员设计了一个定量的血管严重程度评分(1-9分)，用于评估新生儿，监测疾病进展和治疗反应。然而，这项研究并没有特别针对AP-ROP检测。

在目前的研究中，9个新生儿护理中心使用深度学习来确定它检测AP-ROP的效果如何。该研究对947名新生儿进行了长时间的跟踪，并通过深度学习系统和一组专业眼底图像评分专家对5945例眼部检查的眼底图像进行了分析。

在所有随访的眼睛中，3%发展为AP-ROP。

专家评分者之间存在显著的读者间分歧，表明需要对疾病严重程度进行客观的度量。

重要的是，一个更清晰、可量化的AP-ROP患者资料出现了，这可能有助于早期识别高危婴儿。发生AP-ROP的婴儿更容易早产。与需要治疗但未发展成AP-ROP-的婴儿相比，AP-ROP婴儿出生时更轻(617 g对679 g)，更年轻(24.3周对25.0周)。在这一人群中，没有26周后出生的婴儿出现AP-ROP。

AP-ROP也倾向于迅速发病，并迅速恶化。虽然在AP-ROP的诊断中，疾病的快速进展一直被认为是潜在的，但是到目前为止，还没有方法来衡量这一临床特征。因此，根据研究结果，监测血管严重程度评分的变化率可以提高对AP-ROP风险的检测。

与没有AP-ROP的婴儿相比，AP-ROP的婴儿也更有可能患有慢性肺病等共病。坎贝尔说，患有肺部疾病的婴儿需要较高的氧浓度，这可能是他们患眼病的原因之一。几十年前，研究人员发现，出生时常规使用高浓度氧气与视网膜病变的发展之间存在联系。氧气几乎总是生存所必需的，但被非常小心地滴定以使生存最大化，同时最小化对视力的风险。坎贝尔说:“这仍然是一个平衡的过程。

“重要的是要承认，目前没有诊断AP-ROP的黄金标准。但是，有了客观的、基于人工智能的指标来检测AP-ROP，对于这个高度脆弱的婴儿群体来说，是朝着正确的方向迈出的一步。