编辑推荐：
研究人员利用人工神经网络（ANN）分析早产儿视网膜病变（ROP）影响因素，发现关键因素，对防治有重要意义。
# 神经网络解锁早产儿视网膜病变 “密码”：探寻影响因素，开拓防治新路径
在生命的最初阶段，早产儿就像折翼的天使，面临着诸多健康挑战，其中视网膜病变（Retinopathy of Prematurity，ROP）是导致他们视力受损甚至失明的一大 “元凶”。ROP 是一种视网膜血管疾病，由于早产儿出生时视网膜血管发育不完全，病情严重程度差异极大，轻者可自行缓解，重者却会引发视网膜脱离，让孩子陷入黑暗的世界。据统计，伊朗的 ROP 发病率在 5.6% - 42% 之间，其他国家则在 14.4% - 47.2% 波动，美国每年约有 1100 - 1500 名新生儿受其困扰。过去，由于缺乏系统的筛查项目，许多早产儿错过了最佳治疗时机。如今，虽然有了标准化的筛查指南，但精准识别 ROP 的关键风险因素，实现早期干预，仍是医学界亟待攻克的难题。
在此背景下，来自伊朗多个研究机构的研究人员，如 Varastegan Institute for Medical Sciences、Shahid Beheshti University of Medical Sciences 等，开展了一项极具意义的研究。他们的研究成果发表在《International Journal of Retina and Vitreous》杂志上，为 ROP 的防治带来了新的曙光。
研究人员采用了多种技术方法来深入探究 ROP 的影响因素。他们以 2021 年在伊朗博季诺德 Imam Ali Clinic 的 Bent Alhoda Center 就诊的 367 名疑似 ROP 的早产儿为样本队列。通过收集婴儿性别、多胞胎史、母亲流产次数、妊娠和分娩类型、胎龄、氧疗情况等多方面的临床数据，运用 SPSS 25 软件进行统计分析，包括 Kolmogorov - Smirnov 正态性检验、卡方检验、单因素方差分析（ANOVA）、Pearson 相关系数分析等，还借助人工神经网络（Artificial Neural Network，ANN），尤其是多层感知器（Multilayer Perceptron，MLP）神经网络模型，来剖析各因素与 ROP 严重程度和病变范围的关系。
下面来看看具体的研究结果：
- 描述性分析：参与研究的早产儿中，大部分是男性（54.2%），且多为单胎（67.3%）。多数母亲（64.6%）没有流产史，70.6% 的妊娠为自然受孕。剖宫产是主要的分娩方式（73%），60.5% 的母亲育有 1 - 2 个孩子。婴儿胎龄大多在 30 - 35 周（65.9%），71.7% 的新生儿接受氧疗的时间少于 10 天。在视网膜病变方面，58.3% 的病例病变发生在 Zone 3 区域，77.9% 的婴儿处于 ROP 0 期，即视网膜血管完全化且无病理变化。
- 分析性分析：通过一系列统计分析发现，妊娠类型、胎龄、出生体重和婴儿出生后的年龄与 ROP 严重程度显著相关；母亲的产次、胎龄、出生体重和婴儿年龄与视网膜病变范围显著相关。进一步利用 MLP 神经网络模型分析，结果显示出生后年龄和胎龄对 ROP 严重程度和病变范围的系数影响最大。而且，该模型预测准确率达到 79.2%。在多次随访中，研究人员还观察到，随着随访次数增加，ROP 严重程度和病变范围明显降低，这表明及时干预效果显著。同时，较高的出生体重与较低的 ROP 严重程度相关，婴儿年龄增长和体重增加与视网膜病变范围减小相关。
综合研究结论和讨论部分，此次研究意义重大。研究明确了胎龄和出生后年龄在 ROP 严重程度和疾病进展中起着关键作用，这为早期筛查和个性化治疗策略提供了重要依据。医护人员可以针对高风险新生儿，根据其胎龄和出生体重等因素，制定更精准的筛查和干预方案，从而改善疾病管理和预后。此外，研究还发现一些传统认知中的风险因素，如氧疗时长，与 ROP 发病率并无显著关联，这可能得益于新生儿呼吸支持技术的进步。不过，该研究也存在一定局限性，比如数据仅来自单一医疗中心，可能影响研究结果的普遍性。未来还需要多中心、大样本的研究来进一步验证这些发现，并探索更多影响 ROP 进展和治疗效果的因素，优化早产儿的呼吸管理策略。总之，这项研究为 ROP 的防治开辟了新方向，有望让更多早产儿摆脱 ROP 的威胁，拥抱光明的未来。
