《SCIENCE ADVANCES》：One-stop strabismus digital diagnosis via AI-integrated skin-like and wearable “Eyelectronics”
编辑推荐：
本研究针对斜视临床诊断存在的器械繁多、步骤复杂、客观性低及儿童配合度差等问题，开发了一种基于人工智能（AI）的仿生可穿戴“眼电子”系统。通过超薄（约60微米）、透气、多方向（0°/45°/90°）应变传感阵列贴合眼睑，无线监测眼动引起的眼睑形变，结合MRI建模仿真与生理知识驱动的端到端AI算法，实现了斜视角度测量与麻痹肌肉识别的同步完成。该系统在眼动检查中达到96.6%的四方向分类准确率和1.2°的角度测量精度，临床验证与Hess屏测试高度一致（组内相关系数=0.978），为斜视的精准、高效数字化诊断提供了新范式。
斜视是一种影响全球约2–4%儿童的眼科疾病，表现为双眼视轴不平行，常由眼外肌（EOM）功能障碍、神经异常或外伤引起。它不仅导致视觉功能受损，还可能引发心理社交问题。目前临床诊断依赖棱镜遮盖试验、Hess屏测试等多种器械分步检查，存在主观性强、儿童配合困难、操作繁琐且成本高等局限。尤其对于需要手术矫正的中重度患者，约20–50%因斜视角度测量不准需二次手术，凸显精准诊断的紧迫性。
为突破传统诊断瓶颈，研究人员在《SCIENCE ADVANCES》发表论文，提出了一种融合柔性电子与人工智能的一站式斜视数字化诊断策略。该研究核心是开发名为“眼电子”（Eyelectronics）的仿生可穿戴系统，其核心创新在于超轻量、超薄（厚度约60微米）的多方向应变传感阵列，能像“电子纹身”般贴合于敏感的眼睑皮肤，实现眼动时眼睑形变的无线、低约束监测。通过结合磁共振成像（MRI）构建的眼球三维模型、有限元分析（FEA）以及数字图像相关（DIC）技术，团队建立了眼睑形变与眼球运动之间的先验关联，并开发了生理知识驱动的端到端AI算法，最终实现斜视角度与麻痹肌肉的同步识别。
关键技术方法包括：
- 1.
采用光刻工艺制备分层结构多方向应变传感阵列，通过液态绷带与薄膜敷料实现透气、防水贴合；
- 2.
基于临床MRI数据重建眼球及眼睑三维模型，通过FEA模拟不同眼动方向下的眼睑应变分布；
- 3.
利用DIC方法标定眼睑实际形变，验证传感阵列可靠性；
- 4.
设计轻量化InceptionTime-Tiny算法，结合通道差值与时间差值处理多单元信号，实现眼动分类（准确率96.6%）与角度回归（误差≤1.2°）；
- 5.
在北京同仁医院开展临床试验，覆盖7名受试者（含6例斜视患者），以Hess屏测试为金标准进行验证。
研究结果
斜视测量与眼外肌功能评估 via Eyelectronics
系统通过眼睑应变信号无线监测眼动，利用0°、45°、90°三方向传感单元捕捉水平与垂直眼动特征。AI算法将信号映射为眼球运动轨迹，同步输出斜视角度与肌肉功能状态（如图1所示）。
眼电子设计与制备
阵列结构包含金属传感网格（金层厚度220纳米）与聚酰亚胺缓冲层，灵敏度0.169，线性度达0.997。柔性电路可180°弯曲，总重仅2.48克，支持蓝牙传输（图2）。临床测试表明其佩戴舒适，几乎无运动限制。
基于MRI三维重建眼模型的FEA分析
FEA模拟显示，眼球转动（最大18°）时眼睑最大应变≤11%，且应变峰值位置随眼动方向变化，验证了通过眼睑形变追踪眼动的可行性（图3）。
DIC方法验证眼电子应变测量
DIC标定结果与FEA及阵列信号波形高度一致，确认阵列可准确反映眼睑压缩/拉伸应变（图4），为算法开发提供物理基础。
眼动检查AI算法开发
InceptionTime-Tiny算法通过多尺度卷积核（尺寸3/7/17）提取眼动信号特征，在四方向分类中准确率提升至96.6%，角度回归平均绝对误差（MAE）<1.2°（图5）。八方向测试及抗干扰实验表明模型对眨眼、表情等干扰具有鲁棒性。
患者斜视评估临床试验
覆盖- uncover测试与Hess屏测试对比显示，系统可准确识别左眼内斜视等病例（图6）。组内相关系数分析表明其与Hess屏测试在水平（ICC=0.983）和垂直（ICC=0.973）偏差上高度一致，Bland-Altman图证实无系统性误差。
结论与讨论
本研究通过AI与柔性电子技术融合，解决了斜视诊断中器械分散、步骤繁琐、主观性强等核心问题。眼电子系统以数字化方式实现斜视角度与肌肉功能的同步评估，临床验证表明其诊断效能媲美传统金标准。结合Model2Sim2Real（建模-仿真-现实）策略，为未来斜视手术规划与个性化干预提供了数据驱动新范式。该系统轻量化设计适于边缘设备部署，有望推动眼科诊断从经验依赖向精准量化转型。
