编辑推荐：
研究人员为解决疟疾检测难题，开展智能手机结膜摄影预测疟疾风险研究，模型 AUC 达 0.76，有望用于疟疾预筛查。
# 智能手机结膜摄影：疟疾防控的新曙光
疟疾，这一全球性的健康 “大反派”，长期以来在全球范围内肆虐，尤其在撒哈拉以南非洲地区，如同一场挥之不去的噩梦。尽管各国采取了诸如病媒控制（如长效驱虫蚊帐、室内滞留喷洒）、疟疾检测与治疗（如疟疾快速诊断测试（RDT）、青蒿素联合疗法（ACT））等多种干预措施，可疟疾的流行趋势却并未得到有效遏制。2022 年，全球预估有 2.49 亿疟疾病例，导致 60.8 万人死亡，其中非洲地区的病例和死亡人数分别占比 94% 和 95%。这背后的原因错综复杂，气温升高、降雨增多、蚊虫对杀虫剂产生抗药性，还有持续存在的人类感染源，这些因素相互交织，让疟疾防控工作举步维艰。
在疟疾防控的诸多环节中，检测是关键一环。精准检测所有疑似病例，包括无症状感染者，对控制疟疾传播至关重要。然而，现有的 RDT 虽具有快速、易用和成本效益高等优点，但它也存在不少缺陷，比如只能一次性使用、需要采血且具有侵入性，这使得大规模筛查在非洲一些难以触及和医疗资源匮乏的地区难以开展。此外，目前指导 RDT 检测的风险分层或预筛查手段，主要依赖评估急性发热症状（如头痛、寒战、肌肉 / 关节疼痛），这就导致许多无症状感染者无法被及时发现，从而成为疟疾传播的潜在隐患。
学龄儿童作为疟疾的高发人群，在疟疾传播和防控中扮演着特殊角色。据估计，撒哈拉以南非洲地区约有 2 亿学龄儿童面临疟疾风险，在高传播地区，高达 70% 的学龄儿童体内携带疟原虫。他们不仅可能成为疟疾传播的 “储存库”，而且疟疾还会损害其认知功能，影响学习成绩。因此，有效筛查学龄儿童的疟疾感染情况，对防控疟疾传播、保障儿童健康意义重大。
为了攻克这一难题，来自普渡大学（Purdue University）等机构的研究人员开展了一项创新性研究，相关成果发表在《npj Digital Medicine》上。这项研究旨在探索利用智能手机拍摄结膜照片，结合放射组学和神经网络技术，对无症状学龄儿童进行疟疾风险分层。
研究人员采用了一系列先进技术方法。在数据收集阶段，他们从卢旺达吉萨加拉区（Gisagara District）招募了 405 名 5 - 15 岁的无症状儿童，这些儿童来自当地学校，且都在加科马区医院（Gakoma District Hospital）附近。研究护士收集了他们的临床数据，包括性别、年龄、体温、血红蛋白（Hgb）水平、RDT 结果，同时使用未改装的三星 Galaxy S22 和谷歌 Pixel 6 智能手机，在环境光下拍摄他们的眼睑内照片。之后，研究人员利用深度学习算法，对照片进行自动分割，标记出眼睑内区域，再通过自动白平衡处理，确保照片颜色一致性。接着，依据标准化指南，从处理后的照片中提取多种放射组学特征，如强度、纹理、变换和径向特征等，同时排除了易受个体因素影响的 2D 形状相关特征。为了挑选出最具价值的特征，他们运用随机森林算法进行特征选择，并构建了基于神经网络的分类模型来预测疟疾风险。
在研究结果方面，研究人员首先对参与者的基本特征进行了分析。4302 张照片来自 405 名儿童，训练集和测试集在年龄、性别、RDT 结果等方面具有良好的均衡性。在关键放射组学特征的探索中，随机森林分类器筛选出了 10 个重要的放射组学特征，这些特征大多基于一阶统计，与微血管模式密切相关，且主要来自绿色通道（G 通道）。通过神经网络疟疾分类模型的性能评估发现，该模型在区分疟疾感染和未感染儿童方面表现出色，受试者工作特征曲线下面积（AUC）达到 0.76，95% 置信区间为 0.68 - 0.84。此外，该模型在不同智能手机型号、左右眼以及不同性别之间均未表现出显著差异，这表明模型具有较好的稳定性。研究还发现，放射组学特征与血液 Hgb 水平和体温存在一定关联，但相关性较低，且与基于世界卫生组织（WHO）指南检测贫血的放射组学特征仅有部分重叠，这暗示所选特征对疟疾具有一定特异性。
综合来看，这项研究成果意义非凡。它首次利用智能手机拍摄的外周组织照片，通过放射组学分析识别疟疾高风险儿童，为疟疾防控开辟了新途径。这种非侵入性的检测方法，无需专业设备，仅依靠智能手机内置摄像头即可完成，具有便携、简单、经济的优势，非常适合在资源有限的地区进行大规模预筛查或风险分层。虽然研究存在一些局限性，如疟疾检测依赖 RDT，缺乏确诊手段，但这并不影响其为疟疾防控带来的巨大潜力。未来，随着研究的进一步深入和技术的不断完善，有望将该模型整合到移动应用程序中，实现更广泛的人群筛查和个体医疗护理，为全球疟疾控制和消除工作注入新的活力，成为抗击疟疾这场持久战中的有力武器。
