В недавнем исследовании, опубликованном в Природная медицинаисследователи провели проспективное многоцентровое обсервационное исследование в период с 14 января 2020 года по 30 января 2022 года в Китае.
Они проспективно записали видео 3652 китайских детей в возрасте 48 месяцев и младше для разработки системы Apollo Infant Sight (AIS). Они дважды проверили эту систему в клинических условиях, а также в домашних условиях.
AIS, мобильная система здравоохранения (mHealth) на базе смартфонов, зафиксировала кадры изображений детей, которые смотрят мультипликационные видеоролики, для выявления нарушений зрения. Он точно выделил 16 офтальмологических расстройств у детей, проанализировав их черты лица, поведение взгляда и движения глаз под визуальными стимулами с использованием моделей глубокого обучения (DL) с надежной конструкцией контроля качества в отношении тестовых шумов.
Задний план
Маленькие дети, особенно младенцы, не могут пройти стандартные проверки зрения, что затрудняет выявление у них нарушений зрения на ранней стадии, если таковые имеются. Хотя захват некоторых движений лица и глаз может помочь офтальмологической практике, применять их в реальных условиях также сложно.
Частота зрительных проблем в течение первых нескольких лет жизни высока. Таким образом, своевременное выявление этих, особенно патологически вызванных проблем со зрением у младенцев, имеет решающее значение для предотвращения или минимизации долгосрочной потери зрения.
Другими словами, существует острая потребность в простых в использовании инструментах для выявления нарушений зрения у детей младшего возраста, которые можно было бы использовать в клинических и общественных условиях.
Об исследовании
В настоящем исследовании исследователи разработали AIS для выявления 16 причин ухудшения зрения у младенцев в реальных условиях. Они собрали более 25 000 000 видеокадров от 3 652 детей, используя АИС для обучения и тестирования моделей глубокого обучения.
Валидация системы проходила в три этапа в пяти клиниках и дома. На первых двух этапах дети, включенные в исследование, проходили офтальмологические осмотры клиническим персоналом, а обученные добровольцы собирали фенотипические видеоролики с помощью приложений mHealth, установленных на смартфонах iPhone в каждом центре.
Они набрали детей и их родителей онлайн для проверки реализации на дому и проверили большую применимость AIS на третьем этапе исследования. Хотя они и не были обучены, они записали фенотипические видеоролики на свои смартфоны в соответствии с инструкциями приложения AIS. Кроме того, они повторили сбор данных в соответствии с инструкциями модуля контроля качества. Все дети с видеозаписями, квалифицированными по АИС, прошли офтальмологическое обследование в поликлинике.
Наконец, исследователи проверили эту систему при различных уровнях тестового шума и внешних помех в реальном мире.
Результаты исследования
Исследователи включили в это исследование 3 652 ребенка, из которых 54,5% были мальчиками, и записали 3 865 видеороликов с более чем 25 000 000 кадров для разработки и проверки AIS.
Что касается обнаружения нарушений зрения, AIS достиг области под рабочей кривой приемника (AUC) 0,940 и 0,843 в наборах внутренней и внешней проверки соответственно.
Одним из преимуществ АИС была его применимость к множеству системных и генетических заболеваний глаз, включая новообразования глаза и аномалии развития. Он также выявлял детей с легкими нарушениями с относительно тонкими фенотипическими признаками, которые легко пропустить, с высокой точностью, что еще раз демонстрирует его более широкую применимость.
AIS также с предельной легкостью адаптировался к различным условиям тестирования и достиг значения AUC 0,859 при домашнем внедрении. Более того, он оставался стабильным в 88 типах домашней среды после всего лишь одной тонкой настройки. Действительно, он не требовал регулярной тонкой настройки даже в сложных средах, что еще больше способствовало его использованию в будущих приложениях.
Вдобавок ко всему, АИС регистрировала изменения внешнего вида лица из-за глазных патологий, таких как опущение век при врожденном птозе с помощью мобильного устройства. Это примечательно, потому что многие глазные заболевания, например, аномалии заднего сегмента, сложно диагностировать по фенотипическим видеозаписям, записанным с помощью смартфонов потребительского уровня.
Выводы
AIS на основе системы mHealth продемонстрировал замечательный потенциал для использования медицинским персоналом и родителями для выявления маленьких детей с широким спектром офтальмологических заболеваний. Он показал хорошую точность как в клинических, так и в общественных условиях.
В ряде случаев нарушения со стороны неврологической системы вызывают церебральные нарушения зрения с внеглазной патологией. Таким образом, будущие исследования должны оценить, может ли АИС обнаруживать такие нарушения зрения.
Система на базе смартфона, такая как AIS, которая точно выявляет глазные патологии у детей, имеет несколько клинических применений. Это могло бы помочь своевременно направлять слабовидящих детей к детским офтальмологам, которые могли бы вовремя начать лечение. Во-вторых, для его реализации не требуется дорогостоящее профессиональное медицинское оборудование, что устраняет один барьер для оперативного тестирования детей на уровне общины.
Учитывая постоянно меняющийся характер глазных заболеваний у детей раннего возраста, это может помочь улучшить результаты, связанные со зрением, и, что более важно, показатели выживаемости в случаях ретинобластомы.
Самое главное, AIS дистанционно проводил скрининг маленьких детей с глазными заболеваниями. Во время пандемии коронавирусной болезни 2019 года это снизило риск обращения к офтальмологам. Наконец, учитывая повсеместное использование смартфонов во всем мире, АИС может оказаться многообещающим инструментом, способным предотвратить потерю зрения у уязвимых младенцев.
