综述：智能手机技术检测儿童眼部疾病有效性的系统评价

这篇系统评价全面评估了智能手机应用在儿童眼科疾病筛查中的有效性，涵盖屈光不正（ARF）、斜视、早产儿视网膜病变（ROP）等12类疾病检测技术。研究纳入33项高质量研究（84.84%），证实智能手机技术具有高灵敏度（如Peek Acuity达86.5%）和特异性（如GoCheck Kids达85%），特别适合资源有限地区的远程眼科医疗（teleophthalmology）实践。

　　

背景：人工智能（AI）技术正深刻改变眼科诊疗模式，尤其在儿童眼病筛查领域。智能手机凭借其便携性和图像处理能力，已开发出多种针对儿童屈光不正、斜视等疾病的检测应用。儿童视觉发育具有关键窗口期，早期发现弱视风险因素（ARF）可显著改善预后，而传统筛查方法在基层医疗中面临实施困难。

方法：通过系统检索5大数据库（PubMed/Scopus等），纳入2000-2023年33项研究（16,015例受试者）。采用Joanna Briggs Institute（JBI）量表评估文献质量，其中28项（84.84%）为高质量研究。技术验证涵盖12类应用：12项检测屈光不正（含Peek Acuity、Vis-Screen等），5项识别ARF，6项诊断斜视，3项筛查白瞳症（leukocoria）。

关键发现：
视觉 acuity检测：Peek Acuity应用在3-17岁儿童中展现优异性能，检测可转诊眼病的灵敏度80%、特异性69%，与标准ETDRS图表相关性达0.88。Vis-Screen应用在4-91岁人群中对6/12视力线的敏感度达88.4%。

弱视风险筛查：GoCheck Kids应用通过光折射原理识别ARF，灵敏度76%（95%CI 64.6%-85.1%），但阳性预测值（PPV）在3-12月龄组仅26%，提示年龄特异性校准的必要性。

斜视定量：StrabisPIX应用对水平斜视检测一致性高达89%（κ=0.49-1.00），但垂直斜视诊断效能较低（灵敏度33.3%）。EyeTurn应用与改良Thorington法测量偏差角的平均差异仅0.4△（95%CI 2.3△）。

创新技术：
• Apollo Infant Sight系统通过分析婴幼儿面部特征视频帧，实现16种眼病识别（AUC 0.940）
• CRADLE白瞳症检测应用可早于临床诊断1.3年（95%CI 0.4-2.3年）发现视网膜母细胞瘤
• 智能手机+28D镜头组合拍摄早产儿视网膜，与间接检眼镜诊断ROP的Kappa值达1.0

局限性：

1. 微斜视（<15PD）和垂直斜视检测精度不足
2. 非睫状肌麻痹状态可能低估远视性屈光不正
3. 部分应用在婴幼儿群体验证数据有限

临床转化价值：这些技术显著提升了基层医疗机构对儿童可防治性眼病的筛查能力，如印度研究显示智能手机摄影筛查ROP的灵敏度达94%。未来需加强AI算法在年龄分层中的优化，并探索5G技术支撑的实时远程会诊模式。