基于便携式裂隙灯的前房角狭窄智能筛查新方法：深度学习算法在原发性闭角型青光眼早期诊断中的应用

本研究针对原发性闭角型青光眼(PACG)筛查难题，开发了基于便携式裂隙灯和深度学习算法的前房角狭窄(NACA)智能筛查系统。研究人员通过计算8个前房中央截面形态参数，在训练集中获得0.68-0.85的准确率和0.76-0.90的AUC值，集成模型在内部测试集达到0.90灵敏度和0.85特异度。该研究为基层医疗机构的PACG筛查提供了经济高效的解决方案。

　　

青光眼是全球不可逆性盲的首要病因，其中原发性闭角型青光眼(Primary angle closure glaucoma, PACG)在亚洲人群中尤为高发，患病率达0.75%-1.19%，且女性风险是男性的1.5倍。这种"视力的小偷"最棘手之处在于，当患者察觉视力受损时，视神经损伤往往已不可逆转。传统筛查方法面临巨大挑战：金标准房角镜检查(gonioscopy)需要专业设备和技能；而前段光学相干断层扫描(anterior segment optical coherence tomography, AS-OCT)等先进设备价格昂贵，难以普及基层。

针对这一临床痛点，何兴茹教授团队来自沈阳何氏眼科医院的研究人员开展了一项创新研究，开发了基于便携式裂隙灯的智能筛查系统。这项发表在《npj Digital Medicine》的研究，通过深度学习算法分析前房形态特征，为PACG早期筛查提供了经济高效的解决方案。研究人员采用双中心单盲横断面研究设计，使用自研便携式裂隙灯(ISPECTOR MINI HE 010-21)采集前节图像，开发了包含图像预处理、角膜虹膜光带分割、前房中央截面拟合和生物参数计算四步算法的智能分析系统。研究建立了三个数据集(Dataset-1用于训练测试，Dataset-2和Dataset-3用于外部验证)，共纳入1472名受试者的6303张图像。

性能指标评估

研究团队从裂隙灯图像中成功提取了8个关键形态参数：闭合区域面积、中央前房截面面积、中央前房截面与角膜缘面积比、前房角区域面积、中央前房截面中心区域面积、前房角度数、角膜带与虹膜带长度比、角膜带与虹膜带长度差。在训练集(Dataset-1)中，这些参数显示出优异的区分能力：水平光带投影图像的参数计算成功率达95%以上，准确率0.68-0.85，AUC 0.76-0.90。特别值得注意的是，直接与面积相关的参数（如前房角区域面积）表现出最高的诊断效能。

内外验证结果

集成模型在内部测试集表现亮眼：水平上入射光带图像灵敏度达0.90，垂直颞侧入射光带图像特异度高达0.95。但在外部验证集(Dataset-2和Dataset-3)上，模型性能出现预期中的下降，研究人员分析这可能与不同采集者的操作差异和环境光照条件不一致有关。尽管如此，垂直光带投影图像的特异性优势与水平光带投影图像的敏感性优势，为临床应用中根据筛查目的选择合适成像方式提供了重要参考。

解剖学相关性验证

研究还验证了算法参数与PACG解剖特征的生物学合理性。数据显示，NACA人群具有更短的轴长(22.74±0.88 mm vs 23.38±0.87 mm)、更浅的前房深度(2.37±0.32 mm vs 3.12±0.34 mm)和更厚的晶状体(4.99±0.38 mm vs 4.45±0.43 mm)，与临床认知高度一致。这8个参数的设计充分考虑了PACG的解剖特征，如中央前房截面面积及其与角膜缘面积比反映整个截面大小，前房角度数直接反映房角宽度等。

技术创新点

该研究的算法创新体现在多个方面：采用角膜缘最大直径估算面积解决眼睑遮挡难题；通过光带压缩技术克服裂隙灯入射角度偏差的影响；利用角膜中央4mm区域曲率一致性特点拟合双侧前房角；创新性地比较了水平与垂直光带投影的优劣。这些技术创新使系统在保持便携性的同时，达到了接近专业设备的筛查效能。

这项研究的重要意义在于，它首次实现了基于便携式裂隙灯的PACG智能筛查系统，为基层医疗机构提供了经济高效的解决方案。虽然模型泛化能力仍需提升，但研究证实了便携设备结合先进算法在青光眼筛查中的巨大潜力。未来通过改进设备稳定性、优化光带分割算法和完善前房角拟合方法，这一系统有望成为PACG早期筛查的重要工具，特别适合在中国等PACG高发的亚洲国家推广使用。