近日，数理医学院黄守军教授在 Nature 旗下知名期刊npj Digital Medicine（五年影响因子17.0）发表题为“From blink to care: smartphone video–based functional analysis and personalized management in pediatric blepharoptosis” 的研究论文。浙江师范大学为论文通讯单位，黄守军教授为通讯作者，论文合作者包括浙江大学医学院叶娟教授，以及数理医学院博士生段双双（共同一作）、硕士生胡赛宇等。

上睑下垂多由提上睑肌发育不全引起，对于正处于视觉发育关键期的儿童而言，严重的上睑下垂不仅可能因遮挡瞳孔导致视力剥夺，诱发弱视及弱视性散光，还可能因外观异常影响心理健康。目前，手术矫正是治疗该病的主要手段，而手术方案的制定（如额肌悬吊术、提上睑肌缩短术等）高度依赖于经验丰富的眼科医生对提上睑肌功能的精准评估。然而，传统的评估方法要求患儿在检查中高度配合，通过固定眉毛来测量眼睑从下注视到上注视的偏移距离，这对于认知受限、难以配合的幼儿来说，往往是一项困难的任务。现有的人工智能辅助上睑下垂管理主要集中在静态眼睑形态测量上，在功能分析方面非常欠缺。

为了解决上述问题，本研究整合了来自三家三甲医院的368名患儿的数据，涵盖3,164个眨眼片段及1,229张面部图像，成功开发并验证了一个基于智能手机的AI系统。该系统包含三大核心模块：形态评估、功能分析和领域适应对话模型（图1）。形态学模块采用先进的nnUNet架构，可对眼裂及虹膜进行自动化分割。实验数据显示，其眼裂分割Dice系数高达0.96，虹膜为0.91，与资深专家的手动评估相关性超过0.90，实现了极高的测量精度。功能模块通过视频与文本的多模态输入进行分类，系统识别提肌功能障碍的曲线下面积（AUC）高达0.993，在现实世界队列中，功能分层准确率达到0.89。相比单纯视频分析（87%），整合了临床信息的视频文本多模态模型准确率提升至91%。系统内置了领域自适应对话模型，用于解答患者关于上睑下垂的各类咨询。专家评估显示，该模型在正确性与适用性上远超基线模型，整体性能与GPT-4o相当。在实际部署中，患者满意度评分高达4.93/5。

图1. 全流程示意图。采集先天性上睑下垂患儿的临床数据与眨眼视频。上睑下垂评估系统由三个关键模块组成：（1）眼睑形态评估模块，用于自动测量IPF和MRD1。(2) 提肌功能评估模块，针对功能异常患儿提供自动转诊建议。通过对比多种模型架构，验证了该系统在临床判别中的高可靠性。（3）领域自适应对话大模型，专为上睑下垂患儿定制，提供专业的咨询与交互。此外，基于上述模块，团队开发了手机端评估小程序，并在多中心数据集中完成了真实世界验证。临床分析显示，该程序在辅助患者自我健康管理及提升临床诊疗效益方面展现出巨大潜力。

这项研究标志着上睑下垂的评估从依赖专家经验向数字化精准诊疗迈出了重要一步。通过智能手机平台，家长和基层医生可以更便捷、准确地完成患儿的功能评估，为早期识别、及时干预提供科学决策依据，全方位守护儿童视觉发育与心理健康。

npj Digital Medicine  一直是中科院1区Top期刊，在数字医学、医学工程及临床计算应用等领域具有重要国际影响力。

编辑：武艳