預(yù)測模型在兒童青少年近視防控中的應(yīng)用進展

徐梓航,胡媛媛,3,溫 瑩,3,畢宏生,3

0 引言

近視是最常見的屈光不正之一,并已逐漸成為一個嚴(yán)重的公共衛(wèi)生問題,影響著全球近30%的人口[1]。隨著屈光不正快速低齡化,近視已成為影響當(dāng)代和未來人口素質(zhì)的“國病”,帶來了更多的視力挑戰(zhàn),高度近視增加了視網(wǎng)膜脫離、近視性黃斑變性等病理性眼部病變的風(fēng)險,這些疾病常常伴隨不可逆轉(zhuǎn)的視力下降,將導(dǎo)致10億人口患致盲性疾病[2]。同時帶來了巨大的社會經(jīng)濟負(fù)擔(dān),除非目前近視和高度近視發(fā)病率上升的軌跡有所降低,否則由近視導(dǎo)致的直接經(jīng)濟支出和生產(chǎn)力損失有關(guān)的經(jīng)濟成本將繼續(xù)增長[3]。

目前,近視發(fā)生發(fā)展的機制尚未完全闡明,遺傳和環(huán)境等多種因素對近視發(fā)生發(fā)展的相對重要性一直備受關(guān)注,越來越多的研究表明近視主要是由遺傳因素和環(huán)境因素共同造成的[4]。國際近視研究學(xué)會在《近視防控研究白皮書》[5]中詳細(xì)回顧了關(guān)于近視危險因素的科學(xué)證據(jù),其中學(xué)校教育及戶外時間兩個因素被視為強風(fēng)險因素且與近視呈現(xiàn)明顯的因果關(guān)系,父母近視情況同樣被認(rèn)為是強風(fēng)險因素,智商、體育運動、社會經(jīng)濟情況、城市或農(nóng)村居住等四個因素是中度影響因素。而屈光度和眼生物學(xué)參數(shù)是近視發(fā)育進程中的一部分,未被視為近視的危險因素。

隨著我國近視發(fā)病率的不斷攀升,近視的早期篩查、診斷的需求也逐年升高,傳統(tǒng)醫(yī)療手段已難以滿足現(xiàn)實近視群體防控的需要,預(yù)測模型為解決這一困境提供了新的思路。在模型建立過程中,研究數(shù)據(jù)在分析影響因素、識別近視發(fā)生發(fā)展和建模預(yù)測結(jié)果等方面起著至關(guān)重要的作用。而預(yù)測因子和預(yù)測結(jié)局作為模型建立的關(guān)鍵性因素,直接決定了模型的準(zhǔn)確性和適用范圍,選擇合適的建模因素有助于提高個性化預(yù)測水平,但其測量成本和應(yīng)用價值也是不容忽視的問題。由于研究設(shè)計、預(yù)測定義和風(fēng)險特征的差異,很難將現(xiàn)有的預(yù)測模型進行直接比較。本文就應(yīng)用對象、預(yù)測因子和預(yù)測結(jié)局三個方面對近視預(yù)測模型研究領(lǐng)域已經(jīng)取得的諸多成果予以綜述。

1 近視預(yù)測模型不同應(yīng)用對象的比較

根據(jù)國家疾控局最新監(jiān)測數(shù)據(jù)顯示,2022年我國兒童青少年總體近視率為51.9%,其中小學(xué)生為36.7%,初中生為71.4%,高中生為81.2%[6]。研究發(fā)現(xiàn),伴隨著高強度的學(xué)校教育,大多數(shù)近視會在學(xué)齡期發(fā)病,且持續(xù)進展直到青年期。同時,近視在學(xué)齡期的進展速度也往往較快,在青春期后期逐漸減緩,并在成年后趨于穩(wěn)定。但在某些情況下,近視會在學(xué)齡前就發(fā)生,或者直到成年早期仍在持續(xù)進展[7]。作為近視的主要防控對象,兒童青少年在不同年齡段有不同的眼和視覺發(fā)育特點[8],因此在構(gòu)建近視預(yù)測模型時,在保證預(yù)測準(zhǔn)確性的基礎(chǔ)上,選擇合適的預(yù)測和應(yīng)用對象,有助于實現(xiàn)精準(zhǔn)和個性化預(yù)測。

有研究曾提出應(yīng)當(dāng)將近視前期兒童作為高危人群,特別是在學(xué)齡前兒童或小學(xué)低年齡兒童中是非常重要的,這有助于近視的早期預(yù)防[9]?？v觀國內(nèi)外已經(jīng)建立并有較好性能的預(yù)測模型均是基于學(xué)齡兒童,而學(xué)齡前兒童受眼調(diào)節(jié)因素和認(rèn)知水平的影響,很難獲得準(zhǔn)確的屈光數(shù)據(jù)及良好的預(yù)測情況[10]。Zadnik等[9]基于4 512名6-11歲非近視學(xué)齡兒童,建立了高度近視發(fā)生的預(yù)測模型,結(jié)果發(fā)現(xiàn),隨著基線年齡的增加,ROC曲線下面積(AUC)從0.88提高到0.94,可能是由于該模型對此研究中大齡兒童高度近視預(yù)測的準(zhǔn)確性增加,使得表現(xiàn)出更好的性能。Sanz Diez等[11]基于中國武漢12 780名5-16歲學(xué)齡兒童建立了眼軸長度的百分位曲線,9歲男生和女生的第25百分位數(shù)AUC分別為0.781、0.876,而6-9歲男生和女生的第50百分位數(shù)AUC分別為0.825、0.875,該研究通過針對不同年齡和性別的兒童青少年進行近視預(yù)測并獲得了不同的結(jié)果。Zhang等[12]在中國廈門招募了236名小學(xué)二年級受試者,其預(yù)測3 a近視發(fā)生模型的AUC高達0.974,而在1 979名同年齡段的新加坡兒童(72.5%華人)中進行模型驗證時,僅表現(xiàn)出了AUC為0.815的預(yù)測性能,推測可能受居住環(huán)境的影響,該預(yù)測模型更適合用于廈門兒童近視預(yù)測。此外,種族也被證實是影響模型預(yù)測性能的因素之一[13-15]。由此可見,有針對性的進行預(yù)測對象的選擇可以一定程度上提高模型的預(yù)測性能,但不可避免的是,此類模型的通用性和適用范圍會受樣本年齡范圍相對狹窄等相關(guān)因素的限制。同時,高擬合度是優(yōu)秀模型的重要標(biāo)志,但也需要注意過度追求高擬合度將會導(dǎo)致過擬合的發(fā)生[16]。因此,如何在保證預(yù)測性能的基礎(chǔ)上,選擇合適的預(yù)測對象并提高模型的通用性和適用范圍應(yīng)是未來研究的重點方向之一。

2 近視預(yù)測模型不同預(yù)測因子的比較

在臨床模型中,預(yù)測因子的選擇必須始終以臨床相關(guān)性判斷為指導(dǎo),以防止無意義或相關(guān)性較低的變量被納入模型。預(yù)測因子的選擇應(yīng)是基于盡量簡化模型的情況下,不損害模型的預(yù)測表現(xiàn),納入過多的預(yù)測因子不僅不會對模型的預(yù)測性能起到積極作用,反而會提高檢測及數(shù)據(jù)獲取成本[17]。

總結(jié)過去的研究,各預(yù)測模型在預(yù)測因子的選擇上存在一定的共性,主要分為基于個人參數(shù)、生活方式參數(shù)、遺傳參數(shù)三類。在個人參數(shù)方面,屈光數(shù)據(jù)及眼部生物學(xué)參數(shù)中蘊含著近視發(fā)生發(fā)展的潛在信息,雖然國際近視研究協(xié)會沒有將基線屈光度和眼部生物學(xué)參數(shù)作為影響近視發(fā)生發(fā)展的因素[5],但在過去的研究中,這兩種因素一直被報道為近視發(fā)生和進展的危險因素[18],并廣泛用于近視預(yù)測。Lin等[19]利用年齡、睫狀肌麻痹后等效球鏡和近視年進展率3個預(yù)測因子用于預(yù)測未來10 a內(nèi)高度近視的發(fā)生情況,預(yù)測3、5、8 a的模型AUC分別為0.903-0.986、0.875-0.901、0.852-0.888。Zhang等[12]利用眼軸長度、前房深度、晶狀體厚度、玻璃體腔深度和角膜曲率等預(yù)測因子及Zadnik等[9]利用睫狀肌麻痹后等效球鏡、眼軸長度、晶狀體厚度、角膜曲率、調(diào)節(jié)性集合與調(diào)節(jié)的比值(AC/A)、水平或垂直散光大小等預(yù)測因子建立的近視發(fā)生預(yù)測模型均表現(xiàn)出良好的預(yù)測性能(AUC:0.840-0.974)。此外,軸率比(AL/CR)[20-22]、正相對調(diào)節(jié)度(PRA)[23]等視覺指標(biāo)也曾納入預(yù)測模型的建立中。值得一提的是,在近視的臨床診斷中,常將睫狀肌麻痹等效球鏡視為近視診斷的金標(biāo)準(zhǔn)[24],可以避免因兒童青少年調(diào)節(jié)能力較強導(dǎo)致的屈光數(shù)據(jù)測量誤差,因此其常被視為近視預(yù)測的關(guān)鍵因素[9,13,19-21]。但其受醫(yī)生處方權(quán)使用的限制[25]及睫狀肌麻痹后不良反應(yīng)[2]的影響,很難在以人群為基礎(chǔ)的近視群體篩查中使用。因此,基于非睫狀肌麻痹等效球鏡的近視預(yù)測模型已經(jīng)嘗試被建立,Du等[26]對武漢地區(qū)7 410名6-19歲兒童和Guo等[23]對溫州地區(qū)1 073名二、三年級學(xué)生建立的預(yù)測模型分別表現(xiàn)出AUC為0.735及0.74-0.86的預(yù)測性能。因此,建立基于學(xué)校的有利于大規(guī)模推廣和普及的近視篩查模型,同時驗證和提升其準(zhǔn)確性應(yīng)是下一步研究的重點內(nèi)容。

更多的近距離工作時間和更少的戶外活動時間等生活方式參數(shù)曾被證實是近視發(fā)生發(fā)展的強風(fēng)險因素[5,27]。在之前的幾項研究中,生活方式參數(shù)也曾被用于近視預(yù)測模型的建立和驗證。Yang等[28]利用室內(nèi)和戶外活動時間,吃白肉、紅肉和雞蛋的頻率,喝碳酸飲料的頻率及脈搏等預(yù)測因子建立的6年級兒童近視率預(yù)測模型,AUC為0.98,F1分?jǐn)?shù)為0.94。李婷等[29]利用閱讀習(xí)慣、吃甜食習(xí)慣、睡眠時間和讀書坐姿等預(yù)測因子建立評價近視風(fēng)險的預(yù)測模型,表現(xiàn)出AUC為0.719的預(yù)測性能。運動習(xí)慣[30]、眼保健操[26]、坐姿[23]等生活方式也曾被考慮成為模型建立的預(yù)測因子。一項系統(tǒng)綜述[31]表明添加生活方式參數(shù)對近視預(yù)測模型的影響有限,可能是由于許多環(huán)境影響已經(jīng)在基線屈光度或近視發(fā)病年齡上有體現(xiàn)。由于尚無有國際公認(rèn)水準(zhǔn)的日常行為記錄方式,上述研究納入的兒童青少年生活方式參數(shù)均是通過調(diào)查問卷和自評量表收集的。因此,受回憶偏頗的影響,在納入生活方式數(shù)據(jù)進行模型建立或應(yīng)用納入生活方式參數(shù)預(yù)測近視的模型時,應(yīng)注意相關(guān)數(shù)據(jù)采集的準(zhǔn)確性對預(yù)測結(jié)果的影響。

較多研究證實近視是遺傳和環(huán)境因素相結(jié)合的結(jié)果[4]。因此,父母近視情況被許多研究視為重要的預(yù)測因子之一[9,13-15,20-22,29-30,32-33],究其原因,可能是近視的父母將易患近視的變異基因遺傳給了孩子[5],而在部分模型研究中,母親教育水平[32,34]也被嘗試納入預(yù)測模型的建立,也有可能是受到高于平均水平教育的父母傳遞了一種易致近視的生活方式[5]。對近視遺傳基因的研究是近年來研究的熱點話題,MYP1等相關(guān)致病基因和基因位點相繼被證實與近視的發(fā)病相關(guān)[35],但受檢測成本的和部分醫(yī)療機構(gòu)資源及設(shè)備的限制,尚無預(yù)測模型將其納入討論。

3 近視預(yù)測模型不同預(yù)測結(jié)局的比較

近視雖難以治愈,但可防可控。針對處于不同發(fā)育階段的兒童青少年,應(yīng)該有不同的防控重點。對于遠(yuǎn)視和近視臨床前期的兒童青少年應(yīng)注重預(yù)防近視的發(fā)生,減緩近視發(fā)生的進程;對于低度近視的兒童青少年應(yīng)注意避免發(fā)展成為高度近視[8]。在之前的研究中,預(yù)測結(jié)局的定義主要分為預(yù)測近視發(fā)生和預(yù)測近視進展兩類。預(yù)測近視發(fā)生模型的結(jié)局指標(biāo)包括預(yù)測一定時間內(nèi)初發(fā)近視的概率,例如預(yù)測二年級學(xué)生3 a后初發(fā)近視的概率[12]、一至三年級學(xué)生2、4 a后初發(fā)近視的概率[20]、一至六年級學(xué)生在六年級初發(fā)近視的概率[28]等,也包括預(yù)測高度近視發(fā)生的概率,如7-9歲兒童發(fā)生高度近視的概率[14]、7-15歲兒童青少年在18歲時發(fā)生高度近視的概率[21]、6-20歲兒童青少年10 a內(nèi)發(fā)生高度近視的概率[19]等。而預(yù)測近視進展模型的研究目前還處在探索階段,Lin等[19]基于多中心的電子病歷建立的模型,能夠預(yù)測6-20歲兒童青少年的球鏡度數(shù)和近視進展情況。由此可見,如何能基于預(yù)測一定時期內(nèi)屈光狀態(tài)的前提下,準(zhǔn)確預(yù)測近視進展情況,將更有利于實現(xiàn)近視的個體化防控。

4 局限與展望

目前,盡管在眾多研究中,近視預(yù)測模型的準(zhǔn)確度、特異度等都達到了一定水平的高度,但當(dāng)前所開發(fā)的模型仍存在模型開發(fā)中心單一、跟蹤時間短、適用范圍小等局限性,因此仍面臨著臨床實踐的考驗,將其真正應(yīng)用于臨床工作還存在著較大距離。未來仍需進一步開展相關(guān)研究,以探索應(yīng)用便捷、便于臨床推廣的預(yù)測模型。

首先是預(yù)測模型的可重復(fù)性和可比性問題,由于研究設(shè)計、預(yù)測定義、風(fēng)險特征以及建模數(shù)據(jù)集的差異,很難將現(xiàn)有的預(yù)測模型進行直接比較,且無法驗證現(xiàn)有模型的可重復(fù)性。建議在嚴(yán)格保護受試者隱私的前提下,建立一個大型的、具有代表性的、真實全面的公開數(shù)據(jù)集,以用于現(xiàn)有和未來預(yù)測模型的外部驗證,增加后續(xù)研究的可重復(fù)性和可比性。值得一提的是近視的發(fā)生發(fā)展與多種危險因素長期綜合作用相關(guān),除屈光度、眼軸長度等眼健康指標(biāo)外,持續(xù)近距離用眼時間、每天戶外活動時間、睡眠情況等用眼行為數(shù)據(jù)也應(yīng)被納入預(yù)測模型的建立和驗證[36],進一步提高預(yù)測的精準(zhǔn)性。因此,如何選擇合適的建模因素進行綜合評估和結(jié)合還需要更深層次的研究。其次,盡管人工智能具有強大的分析、學(xué)習(xí)和預(yù)測能力,但目前大多數(shù)建模方法的訓(xùn)練過程依賴于建立輸入和輸出結(jié)果之間的聯(lián)系,具有黑箱性、不確定性、復(fù)雜性以及運行邏輯難以解釋等特性[37],缺乏對建模過程的解釋能力。因此,下一步應(yīng)對學(xué)習(xí)過程及決策過程進行拆解,對建模步驟進一步細(xì)分,有助于提高建模方法的可解釋性。最后,雖然預(yù)測模型的建立使得近視的個體化防控成為可能,大幅降低了近視篩查的經(jīng)濟及人力成本,但不容忽視的是預(yù)測模型是支持臨床醫(yī)生的工具,不能取代醫(yī)生的評估和判斷。在預(yù)測模型推廣和應(yīng)用時,需要關(guān)注醫(yī)學(xué)倫理和問責(zé)制度、數(shù)據(jù)安全和患者隱私問題以及相關(guān)法律問題,確保其安全性和可靠性[38]。