要点
问题可以眼睛检查的数量要求屏幕早产儿视网膜病变的(ROP)人口减少使用precision-modeling方法基于统计数据和人工智能(AI)在低收入和中等收入国家(LMICs) ?
发现印度的762名婴儿在这个诊断研究中,330名婴儿在尼泊尔,和317婴儿在蒙古,使用一个基于孕龄人工智能模型和血管严重,所有婴儿最终开发treatment-requiring罗普周前确定了临床诊断和更少的考试。
意义实现这个模型可以减少考试所需的数量和后期治疗的风险限制在一个ROP-screening人口中低收入国家建设。
重要性早产儿视网膜病变(ROP)是一种可预防失明的主要原因,不成比例地影响孩子出生在低收入和中等收入国家(中低收入国家的要求)。面对面和telemedical筛选考试可以减少这种风险,但具有挑战性的实现中低收入国家建设由于多种高危婴儿和缺乏训练有素的眼科医生。
客观的实现一个罗普风险模型使用视网膜图像从一个基线检查来确定婴儿将开发treatment-requiring (TR)罗普LMIC远程医疗项目。
设计,设定和参与者在这个诊断研究从2019年2月1日,6月30日,2021年,视网膜眼底图像收集从婴儿作为一个印度罗普远程医疗筛查项目的一部分。一个人工智能(AI)派生血管严重程度评分(VSS)从图像中获得从第一个考试后30周的postmenstrual年龄。使用5倍交叉验证,培训两个变量逻辑回归模型(胎龄和VSS) TR-ROP的预测。该模型外部验证测试数据集来自印度、尼泊尔、蒙古。数据分析了从2021年10月20日,2022年4月20日。
主要结果和措施主要结果措施包括敏感性,特异性,阳性预测值,对未来的预测和消极的预测价值出现TR-ROP;前几周的数量做出预测时临床诊断;和潜在的减少数量的考试要求。
结果共有3760名婴儿(中位数(差)postmenstrual年龄,37周[5];1950名男性婴儿[51.9%])都包括在这项研究中。有敏感性和特异性诊断模型,分别为每个数据集如下:印度,100.0%(95%可信区间,87.2% -100.0%)和63.3%(95%可信区间,59.7% - -66.8%);尼泊尔,100.0%(95%可信区间,54.1% - -100.0%)和77.8%(95%可信区间,72.9% - -82.2%);和蒙古,100.0% (95% CI, 93.3% - -100.0%)和45.8%(95%可信区间,39.7% -52.1%)。人工智能模型,婴儿TR-ROP被确定值(差)2.0(划分)前几周TR-ROP诊断在印度,0.5前(0 - 2.0)周TR-ROP诊断在尼泊尔,和0(0 - 5.0)周TR-ROP诊断在蒙古。如果低风险的婴儿是不会再筛选,人口可以有效地筛选为45.0%(664/1476),印度,38.4%(尼泊尔,151/393),51.3%(蒙古,266/519)需要更少的考试。
结论和意义这个诊断研究的结果表明,有两个优势的实现这一风险模型:(1)检查对低风险的婴儿的数量可以减少没有失踪TR-ROP病例,和(2)高危婴儿可以识别并密切监测TR-ROP前发展。