儿童眼健康问题如近视、斜视和上睑下垂对视觉发育和生活质量有重大影响，早期筛查和识别这些眼病对于有效管理和治疗至关重要。然而，传统的筛查方法依赖于医院和眼科医生，导致筛查、诊断和治疗的延迟。随着人工智能（AI）的发展，利用AI模型分析手机照片识别儿童眼病的潜力日益受到关注。本研究旨在开发一种基于深度学习的AI模型，通过分析手机拍摄的面部照片，早期识别儿童近视、斜视和上睑下垂，为家庭提供一种便捷的筛查工具。

本研究为一项横断面研究，数据来自2022年10月1日至2023年9月30日期间在上海第九人民医院眼科的476名儿童患者，共收集了1419张面部照片，其中包括946张单眼图像用于识别近视和上睑下垂，473张双眼图像用于识别斜视。研究参与者需符合以下标准：年龄在18岁以下，经过眼科检查确诊为近视、斜视或上睑下垂，并能配合拍摄清晰的面部图像。AI模型采用ConvNeXt深度学习网络，进行图像处理和分类训练，使用交叉验证评估模型的性能。

研究结果： 研究结果显示，AI模型在识别近视、斜视和上睑下垂方面表现出较高的准确性。模型识别近视的敏感性为0.84（95% CI, 0.82-0.87），准确性为0.80（95% CI, 0.78-0.81）；识别斜视的敏感性为0.73（95% CI, 0.70-0.77），准确性为0.80（95% CI, 0.79-0.82）；识别上睑下垂的敏感性为0.85（95% CI, 0.82-0.87），准确性为0.92（95% CI, 0.91-0.93）。性别亚组分析显示，模型在男女儿童中的表现相当，但在不同年龄亚组中的表现存在差异，随着年龄增长，模型对近视和斜视的识别敏感性有所提高。

预测近视、斜视和上睑下垂的模型性能

本研究开发的AI模型通过分析手机照片，能够高效准确地识别儿童近视、斜视和上睑下垂，具有显著的早期筛查潜力。该模型可帮助家庭在家中进行儿童眼病的初步筛查，促进早期识别，降低由于筛查延迟导致的视觉功能丧失和其他严重问题的风险。

原始出处：

Artificial Intelligence for Early Detection of Pediatric Eye Diseases Using Mobile Photos. JAMA Netw Open. 2024;7(8):e2425124. doi:10.1001/jamanetworkopen.2024.25124