科研团队牵头合作推出近视发生智能预测模型

近日，同济大学附属眼科医院/上海市眼病防治中心/上海市眼科医院、上海交通大学医学院附属第一人民医院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。

昆明医科大学第一附属医院钟华教授、香港理工大学何明光教授、内蒙古医科大学附属医院朱丹教授、北京协和医院戴荣平教授和新疆医科大学第一附属医院易湘龙教授共同参与本研究。本研究工作也得到了悉尼大学Jinman Kim教授、澳大利亚眼科研究中心Zhuoting Zhu（朱卓婷）教授、上海交通大学转化医学研究院毕磊教授、香港中文大学Xiujuan Zhang（张秀娟）教授、Clement C Tham（谭智勇）教授和Carol Y Cheung（张艳蕾）教授、新加坡国立眼科中心Marcus Ang教授等多学科专家的支持和帮助。

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。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。

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，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。

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。

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。

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。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。

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。

（来源：“眼研社”微信公众号）