美國貝勒大學（Baylor University）開發的CRADLE（ComputeR Assisted Detector LEukocoria）手機App，協助父母與眼科醫師檢測多種常見與部分罕見兒童眼疾的早期徵狀，目前已完成首次測試，靈敏度超過80%，比同類裝置的黃金標準更高。
貝勒大學化學及生物化學系教授Bryan F. Shaw博士與電腦科學系教授Greg Hamerly博士共同研發CRADLE app，透過分析兒童的家庭照片來偵測是否有眼疾徵狀，最初主要用於檢測好發於5歲或以下兒童的視網膜母細胞瘤（retinoblastoma）。兩位博士之後運用CRADLE成功檢測跟其他更多常見與部分罕見眼疾相關的白瞳症（leukocoria）。目前已有家長與部分醫師採用CRADLE檢測白內障、柯氏症（Coats’ disease）、髓鞘視網膜神經纖維層（myelin retinal nerve fiber layer）、屈光不正（refractive error）及視網膜母細胞瘤。
貝勒大學的研究報告2019年10月2日發表於Science Advances期刊，數據顯示CRADLE是快速而有效的工具，可在兒童眼疾發展的各個階段更頻繁而有效率的進行過濾，有機會及早治療以保住兒童患者的視力甚至生命。貝勒大學研究人員分析逾5萬張兒童照片去判斷CRADLE檢測眼疾的準確度、靈敏度、明確性。這些照片拍攝約在兒童被確診有眼疾1.3年前，CRADLE可從這些照片找出80%患有白瞳症的兒童，而在檢測2歲以下兒童的靈敏度更超過80%。類似的眼疾檢測裝置只要達到80%的篩檢率，靈敏度算符合黃金標準。
一般體檢使用的傳統方式成效有限，只有8%的案例是透過檢測白瞳症而能早期發現兒童具有視網膜母細胞瘤徵狀。貝勒大學的研究團隊目前正在為10萬張新照片進行標記與分類，將運用這些新增照片重新訓練CRADLE的演算法，計劃找出其他特徵以減少誤判的機會。
Source：Baylor University，Science Advances
Text by Medical Inspire
