《Scientific Reports》：Utilizing deep learning from mobile phone photos for early detection of horizontal strabismus: a screening approach
编辑推荐：
针对水平性斜视的快速筛查难题，研究人员开发了一种基于智能手机拍照和人工智能的筛查方案。该研究通过RT-DETR模型定位眼周关键点，提取几何比率特征，并利用随机森林等分类器进行诊断。结果表明，该方案在受控条件下实现了高精度（ACC=0.95）与高灵敏度（SEN=0.96），为低成本、便捷的斜视早期筛查提供了新思路。
眼睛是心灵的窗户，但有时这扇窗户的“对齐”会出现问题，医学上称为斜视。这是一种常见的眼科疾病，尤其在儿童中，如果不及早发现和干预，可能导致永久性视力损害，如弱视。然而，传统的斜视诊断通常依赖于专业眼科医生的临床检查，这在医疗资源匮乏或偏远地区往往难以实现。有没有一种方法，能让筛查变得像用智能手机拍张自拍一样简单呢？这正是发表在《Scientific Reports》上的一项研究所探索的方向。
为了回答这个问题，一个研究团队开展了一项名为“利用移动端照片的深度学习进行水平性斜视早期检测”的研究。他们旨在开发并验证一种基于人工智能（AI）的自动化筛查流程，仅需使用智能手机拍摄的面部照片，就能有效区分水平性斜视（Horizontal Strabismus）和正位视（Orthotropia）。研究人员构建了一个两阶段系统。第一阶段，他们采用了实时检测变换器（Real-Time Detection Transformer, RT-DETR）这一先进的深度学习模型，在左、中、右三个凝视方向上，为每只眼睛精准定位九个眼部关键标志点（Landmark），包括眼角（Canthi）、角巩膜缘（Limbi）和角膜映光点（Corneal Light Reflex）的位置。第二阶段，他们从这些标志点的坐标中，计算衍生出五组生物特征比率（Biometric Ratios），构成一个精简而富有信息量的特征集。随后，他们利用监督式机器学习分类器，对这个特征集进行训练和评估，以完成最终的筛查分类。
该研究招募了150名参与者，其中96名斜视患者和54名对照者，利用他们的面部图像构建了数据集。为了应对数据中类别不平衡（斜视样本多于对照样本）的挑战并提升模型的泛化能力，研究团队巧妙地结合了合成少数类过采样技术（Synthetic Minority Oversampling Technique, SMOTE）和4折交叉验证（4-fold Cross-validation）方法。在模型训练和优化后，他们在独立测试集上对整体性能进行了全面验证。
关键研究方法概览
本研究核心技术方法包括：1) 使用RT-DETR深度学习模型进行高精度眼部关键点检测；2) 从关键点坐标中提取五组几何形态比率作为分类特征；3) 采用随机森林（Random Forest）等多种监督机器学习分类器构建筛查模型；4) 为处理数据不平衡，应用SMOTE技术进行数据增强；5) 通过严格的4折交叉验证策略评估模型性能与稳定性。研究队列包含150名参与者（96例斜视，54例对照），其面部图像为模型训练与测试的基础。
研究结果
1. 标志点检测性能
在关键的模型基础——标志点定位任务上，RT-DETR模型展现出了可靠的性能。评估指标显示，该模型在定位眼部关键点时，交并比（Intersection over Union, IoU）达到了0.62，平均中心点误差（Mean Center-Point Error）为6.52像素。这两个指标表明，模型能够较为准确地将预设的九个标志点框定在眼部相应区域，为后续的几何特征计算奠定了坚实的基础。
2. 分类器筛查性能
在核心的疾病筛查任务上，基于几何比率特征训练的机器学习分类器表现优异。其中，随机森林（Random Forest）分类器的综合性能最为突出。其在测试集上取得了0.95的准确率（Accuracy），这意味着模型在绝大多数情况下都能做出正确判断。更为重要的是，对于筛查模型至关重要的敏感性（Sensitivity）和特异性（Specificity）分别高达0.96和0.94，说明该模型能够极好地识别出真正的斜视患者（漏诊率低），同时也能较好地排除健康人群（误诊率低）。此外，其阳性预测值（Positive Predictive Value, PPV）为0.97，阴性预测值（Negative Predictive Value, NPV）为0.92，进一步印证了模型在实践中的可靠性和实用性。
3. 方法可行性验证
整个研究流程的成功实施，验证了“基于变换器的标志点检测结合几何比率分析”这一技术路径用于斜视筛查的可行性。两阶段管道设计（先定位，再计算特征并分类）被证明是有效的。在受控的拍摄条件下，该框架整体表现出色，达到了较高的性能标准。
研究结论与讨论
本研究成功开发并验证了一套用于水平性斜视筛查的人工智能（AI）方案。该方案通过集成RT-DETR模型进行眼部标志点定位，以及从标志点坐标衍生几何比率特征并利用随机森林等分类器进行决策，实现了仅凭智能手机照片即可进行高精度筛查的目标。模型在内部验证中表现出高准确率、高敏感性和高特异性，证明了其在受控环境下的有效性与潜力。
这项研究的意义是多方面的。首先，它提供了一种极具前景的低成本、便捷的斜视筛查工具原型，有望缓解专业医疗资源可及性不均的问题，特别有助于在社区、学校或家庭环境中进行早期初步筛查。其次，与一些端到端的“黑箱”深度学习模型不同，本研究采用的几何比率特征具有明确的物理意义（例如反映眼球偏斜的角度、位置关系），这为特征层面的可解释性（Interpretability）提供了可能，医生和研究人员可以直观地理解模型决策所依据的解剖学依据。
然而，作者在讨论中也客观地指出了研究的局限性及未来方向。当前的高性能是在“受控条件”下取得的，这意味着拍照时的光线、角度、距离等因素相对规范。在实际的无控制（Uncontrolled）日常环境中（如用户自行拍照），模型的性能能否保持稳定，仍需进一步研究和验证。此外，尽管几何特征带来了可解释性优势，但要实现完全的临床可解释性——即让临床医生能够完全信任并依据模型的每一个判断——还需要更深入的研究，可能包括与更精细的临床测量（如棱镜度）进行关联分析，并在更广泛、更多样化的人群中进行外部验证。
总之，这项研究为移动健康（mHealth）和眼科人工智能辅助诊断领域贡献了一个创新的思路和扎实的初步成果。它将前沿的变换器（Transformer）架构与经典的几何分析、机器学习方法相结合，为实现普惠、高效的斜视早期筛查迈出了关键一步。未来的工作将聚焦于提升模型在复杂真实场景中的鲁棒性，并深化其与临床诊疗实践的衔接。
