摘要
研究背景 早产儿视网膜病变（retinopathyofprematurity，ROP）是一种发生在早产儿和低体重儿的视网膜血管增生性疾病，是全球婴幼儿失明的主要原因之一，定期筛查、早期发现并及时治疗可防止视力损害。建立用于识别ROP高风险新生儿的预测模型，有望减少不必要的筛查次数。ROP常并发于其他早产儿并发症，眼底筛查可能是了解这些疾病的窗口。利用深度学习对早产儿的眼底图像进行分析，可挖掘ROP及其相关的早产儿并发症的图像特征，构建疾病预测模型，为早产儿的个体化ROP筛查策略和临床管理方案提供新的思路。 目的 1.构建并验证基于深度学习的ROP发病预测模型，通过输入早产儿首次筛查的眼底照片预测ROP及1型ROP的发病风险。 2.构建并验证基于深度学习的ROP相关的早产儿并发症发病预测模型，通过输入早产儿首次筛查的眼底照片预测支气管肺发育不良、动脉导管未闭、坏死性小肠结肠炎及脑室内出血的发病风险。 方法 本研究回顾性收集了南方医科大学珠江医院从2017年6月至2020年11月期间接受ROP筛查的1020例早产儿用于模型训练和内部验证。另外，我们收集了南宁市第二人民医院从2019年9月到2020年8月期间接受ROP筛查的85例早产儿用于外部验证。本研究采用EfficientNet-B4卷积神经网络架构进行迁移学习构建疾病预测模型。计算了准确率、灵敏度、特异度、阳性预测值、阴性预测值、F1值以评估预测模型的性能。 结果 1.对于预测ROP，预测模型在五折交叉验证中平均灵敏度为0.89，平均特异度为0.86，在外部验证中灵敏度为0.88，特异度为0.86;对于预测1型ROP，预测模型在五折交叉验证中平均灵敏度为0.85，平均特异度为0.84，在外部验证中灵敏度为0.75，特异度为0.79。 2.对于预测支气管肺发育不良，预测模型在五折交叉验证中平均灵敏度为0.74，平均特异度为0.83，在外部验证中灵敏度为0.81，特异度为0.78;对于预测动脉导管未闭，预测模型在五折交叉验证中平均灵敏度为0.80，平均特异度为0.84，在外部验证中灵敏度为0.77，特异度为0.78;对于预测坏死性小肠结肠炎，预测模型在五折交叉验证中平均灵敏度为0.76，平均特异度为0.80，在外部验证中灵敏度为0.67，特异度为0.77;对于预测脑室内出血，预测模型在五折交叉验证中平均灵敏度为0.81，平均特异度为0.83，在外部验证中灵敏度为0.83，特异度为0.81。 结论 1.本研究基于卷积神经网络构建的深度学习模型对ROP和1型ROP的发病风险具有良好的预测性能。 2.本研究基于卷积神经网络构建的深度学习模型对支气管肺发育不良、动脉导管未闭、坏死性小肠结肠炎及脑室内出血的发病风险具有良好的预测性能。
NETL