“早產兒視網膜病變”（Retinopathy of Prematurity， 縮寫ROP）嚴重威脅了最幼小、最脆弱的嬰兒， 特別是未滿31周即出生且體重不足1500g的早產兒。 如果能夠儘早發現ROP則可以治療， 然而目前尚缺客觀的方法判定需要進行治療的情況。
哈佛醫學院和麻省總醫院Athinoula A. Martinos生物醫學成像中心的研究員Jayashree Kalpathy-Cramer認為AI能改變這種局面。 她和同事James Brown正在開發由GPU加速的深度學習系統， 以自動判斷這種疾病的嚴重程度。
“ROP最主要的一個特性是可預防性， 對此深度學習能發揮重要作用。 ” Kalpathy-Cramer說道。
對於ROP的篩查停滯於1980年代早產兒的眼睛未完全發育是ROP的病因。 出生前的最後幾周是向視網膜供血的血管快速生長的時期。 如果此過程被打斷， 這些血管可能會停止生長， 或長到錯誤的位置。
雖然ROP僅威脅一小部分早產兒， 但可能會帶來終身的影響。 ROP通常會自行好轉， 但如果病情嚴重， 就可能導致失明或眼部疾病（如鬥雞眼、弱視、青光眼和早期白內障）。
醫生篩查ROP時會按其嚴重程度來分為三個級別：常規、附加性前期(pre-plus)及附加性(plus)病變， 具體取決於眼睛血管的情況。 醫生將他們在視網膜或其數位影像中看到的情況與專家們在上世紀八十年代選出的標準照片進行比較， 以確定ROP級別。 然而， 專家們對如何劃分這三個級別各持己見。
Kalpathy-Cramer表示：“我希望電腦視覺技術的最新進展能幫助我們在這個領域做得更好。 ”
NVIDIA助力實現ROP的自動化診斷Kalpathy-Cramer和Brown利用來自視網膜病成像和資訊學協會（由俄勒岡健康與科學大學的 Michael Chiang博士領導）、包含6000張影像及相應的專家診斷意見的資料集合， 來訓練深度神經網路， 以區分ROP三個級別的影像。
Kalpathy-Cramer在位於波士頓的臨床資料科學中心（由麻省總醫院與布列根和婦女醫院運營）工作，
接下來， 她將利用印度的Aravind眼科醫院以及Banker視網膜臨床和鐳射中心（Banker Retina Clinic and Laser Centre）提供的大約10萬張影像來測試該演算法。 之後， 她打算在印度將該演算法作為篩查方法進行試驗。
兒童眼科醫生使用間接檢眼鏡檢查嬰兒有無早產兒視網膜病變的跡象
AI提供專家診斷結果Kalpathy-Cramer希望能夠在缺少專業眼科醫生的中低收入國家和地區推廣她的ROP篩查系統。 從長遠來看， 她希望開發一種價格低廉的可擕式設備， 供醫護人員初步篩查。
Kalpathy-Cramer說：“如果我們的演算法能夠達到預期效果， 它將在扭轉全球可預防性失明症方面發揮巨大作用。 ”
瞭解更多相關資訊可查閱Kalpathy-Cramer的論文， 其中論述了她如何通過深度學習自動診斷及預防兒童失明症：
Plus disease in retinopathy of prematurity: improving diagnosis by ranking disease severity and using quantitative image analysis
連結：
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5077696/pdf/nihms804816.pdf
Plus disease in retinopathy of prematurity: a continuous spectrum of vascular abnormality as basis of diagnostic variability
連結：
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5077696/pdf/nihms804816.pdf
* 本文中的主要圖片由美國國家眼科研究所和美國國立衛生研究院提供。