儿科医生应用3nethra neo进行数字视网膜成像筛查ROP的诊断准确性：述评与展望

《Indian Journal of Pediatrics》：Diagnostic Accuracy of Pediatrician-performed Digital Retinal Imaging with 3nethra neo for ROP Screening: Correspondence

本刊推荐：为解决资源受限地区ROP筛查困境，Garg等开展儿科医生应用3nethra neo进行数字视网膜成像的诊断准确性研究。结果显示其对需治疗ROP具有高诊断准确性（灵敏度100%，特异度99.1%），为建立非眼科医生主导的筛查模式提供了关键证据，对提升全球早产儿视网膜病变筛查覆盖率意义重大。

　　

在全球范围内，早产儿视网膜病变（Retinopathy of Prematurity, ROP）仍然是儿童可预防性失明的主要原因之一。尤其在医疗资源分布不均的地区，专业的眼科医生数量有限，难以满足日益增长的ROP筛查需求，导致许多早产儿错失早期诊断和干预的黄金窗口。传统的筛查金标准——双目间接检眼镜（Binocular Indirect Ophthalmoscopy, BIO）检查，高度依赖眼科医生的专业技能和经验，这种人才瓶颈在广大农村和发展中地区显得尤为突出。因此，探索一种由非眼科医生（如儿科医生）操作、基于便携式数字视网膜成像设备的筛查模式，成为打破这一僵局的关键突破口。

近期发表在《Indian Journal of Pediatrics》上的一项研究，由Garg等人完成，为这一创新模式提供了重要的实证支持。该研究聚焦于评估儿科医生使用3nethra neo数字视网膜成像设备进行ROP筛查的诊断准确性，其研究成果有望为重塑全球ROP筛查格局注入强劲动力。

为了科学地回答上述问题，Garg等人的研究采用了严谨的设计。研究的关键技术方法主要包括：首先，构建了明确的受试者队列，即符合ROP筛查标准的早产儿群体。其次，采用了诊断准确性研究的经典范式，将待评估的索引测试（即由培训后的儿科医生使用3nethra neo设备进行视网膜成像及初步判读）与参考标准（即由经验丰富的眼科医生进行的BIO检查）进行盲法对比。核心评估指标包括灵敏度、特异度、阳性预测值、阴性预测值等，重点关注了对“任何ROP”和“需治疗ROP”的识别能力。

研究结果

1. 诊断准确性

研究结果显示，儿科医生使用3nethra neo进行筛查，对于识别“需治疗ROP”展现出极高的诊断效能，灵敏度达到100%，特异度为99.1%。这意味着所有需要紧急干预的严重ROP病例均被成功检出，同时最大限度地避免了不必要的转诊和焦虑。然而，对于识别“任何ROP”（包括轻度、自限性病变），其灵敏度相对较低，存在12.1%的假阴性率，尽管这些被漏诊的病例均为轻度且未出现进展。另一方面，研究也报告了11.2%的假阳性率，这引发了关于其成因的深入思考：究竟是索引测试的判断失误，还是由于BIO在观察视网膜周边部病变时存在局限性所致？

2. 模型可行性与未来整合

该研究证实了由儿科医生主导的便携式成像筛查模式在技术上的可行性。更重要的是，研究者前瞻性地指出了与人工智能（Artificial Intelligence, AI）技术整合的巨大潜力。近年来，基于深度学习（Deep Learning）的机器学习模型在自动化ROP检测和视网膜图像质量评估方面取得了显著进展。将AI作为决策支持工具集成到筛查流程中，有望进一步提升判读的标准化程度，减少不同观察者之间的变异，从而可能降低上述的假阴性和假阳性率，使这一筛查模式更加精准和高效。

结论与展望

Garg等人的研究提供了强有力的证据，表明在严格的培训和质控体系下，由儿科医生使用3nethra neo等便携式数字视网膜成像设备进行ROP筛查，对于检测威胁视力的“需治疗ROP”是安全、有效且可靠的。这一模式成功地绕过了对稀缺眼科医生资源的绝对依赖，为在资源受限环境中大规模推广ROP筛查、挽救早产儿视力开辟了一条切实可行的路径。

当然，该研究也揭示了一些需要在未来实践中持续优化的问题，例如如何通过强化培训和质控来进一步提高对“任何ROP”检测的灵敏度，以及如何合理解读和降低假阳性率。对筛查过程中婴儿的舒适度、检查效率等患者中心和运营指标的评估，也将是全面衡量该模型实用性的重要方面。

综上所述，这项研究不仅验证了一种创新筛查策略的效能，更点燃了在全球范围内更公平地普及ROP筛查的希望。将便携式成像设备、培训后的非眼科医生以及前沿的AI辅助诊断系统相结合，构建一个高效、可及、高质量的ROP筛查网络，或许是实现“一个都不掉队”的儿童眼健康目标的未来方向。