作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Artificial Intelligence Analysis of Nerve Fibers Based on Corneal Confocal Microscopy
-
摘要: 糖尿病周围神经病变(diabetic peripheral neuropathy, DPN)是糖尿病最常见的慢性并发症之一。基于临床症状体征以及电生理检查的传统DPN诊断方法主要用于检测大神经纤维病变，而DPN最早出现损伤的部位是小神经纤维。角膜共聚焦显微镜(corneal confocal microscopy, CCM)能够在高倍镜下分析角膜神经纤维的变化，是一种快速、可重复、定量测量小神经纤维病变的无创技术，可早期诊断DPN并前瞻性评估神经形态学改变，具有良好的应用前景。本文就CCM评估糖尿病神经病变的临床应用研究以及CCM相关人工智能分析方法进行综述，以期为临床诊疗提供借鉴。Abstract: Diabetic peripheral neuropathy (DPN) is one of the most common chronic complications of diabetes. Traditional DPN diagnostic methods are based on clinical symptoms and signs as well as electrophysiological examination, which are mainly used to detect the lesions of large nerve fibers. However, the small nerve fibers are the earliest ones damaged in DPN. Corneal confocal microscopy (CCM) can analyze the changes of corneal nerve fibers under a high power microscope. It is a rapid, repeatable and quantitative noninvasive technique to measure small nerve fibers. It can diagnose DPN early and evaluate neuromorphological changes prospectively. It has a good application expectation. During this article, we summarized the role and limitations of DPN's most reliable parameters of corneal nerve in evaluating diabetic autonomic neuropathy and diabetic micro-vascular complications. Further, we reviewed the clinical application of CCM in evaluating diabetic neuropathy and analysis methods of CCM related artificial intelligence, in order to provide references for clinical diagnosis and treatment.
-
遗传性耳聋在全球范围内均是较为常见的感觉障碍性疾病，传统新生儿听力筛查项目已开展20余年，可早期发现大部分出生即有耳聋表型的患儿，进而及时进行干预，对于降低因聋致哑，帮助听力障碍儿童获得正常言语发育效果显著。目前，该检查的主要局限性在于新生儿时期采用的听力筛查手段对迟发性、渐进性耳聋和药物敏感性耳聋风险无法检出，联合耳聋基因筛查势在必行[1-2]。
遗传性耳聋是典型的单基因病，遗传异质性强。我国的致聋基因遗传模式多样，主要包括常染色体隐性遗传、常染色体显性遗传、线粒体遗传等，虽然已知的耳聋基因超过120个，但我国致聋基因和热点突变相对集中，以GJB2、SLC26A4基因突变最为常见[3-4]，此外，线粒体12S rRNA亦为常见的药物性耳聋易感基因。GJB2基因多遵循常染色体隐性遗传的模式，其纯合突变或复合杂合突变可导致临床症状，患儿多为先天性双耳对称性稳定的听力损失。近年GJB2突变所致渐进性、不对称性和迟发性耳聋的报道虽相对罕见，但逐渐被发现和重视[3]。由SLC26A4基因突变所致的大前庭导水管综合征患儿同样遵循常染色体隐性遗传模式，其典型临床表现为迟发性、波动型、渐进性听力损失，诱发因素下可出现听力陡降，仅行新生儿听力筛查将漏诊此类患儿[4]。遵循线粒体母系遗传模式的药物性耳聋是需提前警示的获得性耳聋，用药警示可避免患儿及母系家族成员发生氨基糖苷类药物所致耳聋。针对上述基因热点突变对新生儿进行基因筛查，有助于提高遗传性耳聋在新生儿期的诊断率，实现该疾病的早发现、早诊断以及早干预。自2012年4月1日起，北京市启动新生儿耳聋基因筛查公益项目，凡在本市助产技术服务机构出生的北京市常住人口新生儿均可免费接受耳聋基因筛查服务。北京协和医院作为北京市新生儿耳聋基因筛查和诊断中心，10年来已完成16万余名新生儿筛查、追访、咨询及干预工作。本研究对北京协和医院新生儿耳聋基因筛查结果进行分析，并分享相关工作经验与体会。
1. 资料与方法
1.1 研究对象
本研究为回顾性分析，数据来源于新生儿耳聋基因筛查数据库及北京协和医院耳聋遗传咨询门诊。研究对象为2012年4月1日至2022年3月31日于北京协和医院采用微阵列芯片法行耳聋基因筛查的新生儿。
本研究已通过北京协和医院伦理审查委员会审批(审批号：ZS-1738)。
1.2 耳聋基因筛查流程
1.2.1 血样采集
由北京协和医院新生儿耳聋基因筛查项目对口区县(东城区、通州区、怀柔区)的各助产机构承担本机构出生新生儿耳聋基因筛查采血工作。采血前需向孕产妇告知该项目的内容，孕产妇签署《北京市新生儿耳聋基因筛查知情同意书》后方可采血。新生儿出生后72 h，充分哺乳后由助产机构专职医务人员在其足跟内或外侧针刺取血，滴于滤纸片上，共采2~3个血斑。采血要求：(1)血斑直径＞8 mm；(2)血滴自然均匀渗透纸片；(3) 血斑无污染。待血斑自然晾干后封存于塑料袋内，于采血后15个工作日内送达北京协和医院耳聋基因筛查实验室。因采血标本不合格被退回重新采血者，需在收到信息的5个工作日内联系新生儿家长，预约重新采血时间。
1.2.2 实验室检测
实验室需对血片质量进行审核，及时扫描二维码进行信息确认，并严格按照实验室操作流程及技术要求，采用微阵列芯片法对GJB2、SLC26A4、GJB3、线粒体12S rRNA 4种耳聋易感基因共15个热点位点(2018年之前为9个位点)进行检测。采血后45个工作日内耳聋基因筛查实验室完成检测与结果复核，并将复核后的检测结果上传至新生儿耳聋基因筛查数据库。采血后60个工作日内，实验室负责人审核结果，发布报告并同时通过北京市卫生健康委员会平台发送通知短信至新生儿监护人预留的手机号码。新生儿监护人可登录北京市卫生健康委员会官网—便民服务—新生儿耳聋基因筛查查询下载报告(https://xinshai.net/)。筛查的4种耳聋易感基因任一位点发生突变者，判定为“筛查未通过”。筛查未通过的新生儿报告单中提供了详细的遗传咨询就诊途径。
1.2.3 追访及门诊咨询
追访：北京协和医院新生儿耳聋基因筛查实验室负责所有发送报告样本的追访工作。对于筛查通过的新生儿，在发送报告1个月内实验室人员需通过新生儿耳聋基因筛查数据库核实通知短信是否发送成功，未成功发送者需电话通知筛查结果，随后将新生儿纳入正常儿保程序。对于筛查未通过的新生儿，建议根据筛查报告单指导至遗传门诊就诊咨询、随访。若筛查结果发出后1个月仍未就诊，需对其进行电话追访，并及时将追访及就诊结果上传至新生儿耳聋基因筛查数据库。对未能成功电话追访的新生儿，需于10个工作日内将该部分新生儿信息提交至对口的区妇幼保健机构，由其负责继续追访并反馈追访结果，区县妇幼保健机构在1个月内3次追访未成功则判定为失访。
门诊咨询：北京协和医院耳聋遗传门诊负责耳聋基因筛查未通过新生儿及其家族成员的遗传咨询、听力随访与诊断、必要的医学干预。问诊需详细了解个人史、家族史、近亲婚配情况、听力损失程度与听力损失发生时间、病情进展情况，妊娠期、围产期有无新生儿听力损失危险因素(如低体质量、低氧血症、高胆红素血症、感染等)，新生儿听力筛查结果(出生3 d时于助产机构完成，新生儿家长持听力筛查报告单就诊)、智力情况、言语能力、全身系统疾病、头部外伤史、环境噪声史、中耳炎史、用药史以及听力损失家族史等。遗传咨询包括介绍耳聋的遗传模式、临床表现、干预手段，耳聋发生或诱发因素，听力随访计划，评估生育风险，家族成员预警等，为就诊家庭制订家庭计划(婚育计划)，并为有进一步确诊及再生育意愿者提供适宜的基因检测。对于筛查结果为单个基因位点杂合突变新生儿，如听力筛查通过，规律听力随访至3岁；如听力正常，仅随访不干预，建立长期随访途径，保证就诊者一旦出现听觉言语方面的异常，可及时得到诊治。对于存在遗传性耳聋基因型、多重突变携带者(同时携带2个位点基因突变)、新生儿听力筛查未通过者，满足任一项均建议在出生后3个月明确听力诊断，诊断方法包括听觉脑干诱发电位(auditory-brainstem responsr, ABR)、听性稳态反应(auditory steady-state response, ASSR)、fs-ABR(频率特异性ABR)、DPOAE(畸变耳声发射)等，听力异常者根据听力损失水平选择医学干预手段，包括助听器验配、人工耳蜗植入术及指导患儿积极参与规律人工耳蜗调机和言语康复等。
1.3 数据整理与分析
导出新生儿耳聋基因筛查相关数据，按年度统计新生儿耳聋基因筛查情况，计算筛查阳性率(基因突变阳性患儿占耳聋基因筛查新生儿总数的比例)及各易感基因突变携带率(阳性位点检出例数占耳聋基因筛查新生儿总数的比例)。通过汇总遗传咨询门诊病历及电话追访结果，重点对耳聋基因筛查未通过新生儿的基因突变位点、突变类型、致聋基因型(指遵循常染色体隐性遗传模式的耳聋基因存在纯合或复合杂合突变)以及随访干预手段等资料进行分析。
按照时间进程，新生儿耳聋基因筛查项目可分为3个阶段：第一阶段(2012年4月至2013年3月)，北京市在全国乃至全球，首次开展针对新生儿耳聋基因免费筛查的公益项目，项目开展第一年，工作流程不断优化、完善；第二阶段(2013年4月至2017年12月)，项目运行平稳，筛查范围为4个易感基因的9位点；第三阶段(2018年1月至2022年3月)，新增6个基因位点，基因筛查位点范围进一步扩大。分别计算3个阶段的总体失访率、遗传门诊就诊率。其中，总体失访率为失访患儿总数占行耳聋基因筛查新生儿总数的比例，遗传门诊就诊率为遗传门诊就诊患儿数目占耳聋基因筛查阳性患儿总数的比例。
1.4 统计学处理
采用SPSS 22.0软件进行统计学分析。筛查阳性率、基因突变携带率、失访率、遗传门诊就诊率等计数资料以百分数形式表示。采用Bootstrap法计算筛查阳性率、基因突变携带率的95%置信区间(confidence interval，CI)。采用Cochran-Armitage趋势性检验评估3个阶段之间总体失访率、遗传门诊就诊率的变化趋势。以P＜0.05为差异具有统计学意义。
2. 结果
2.1 北京协和医院新生儿耳聋基因筛查情况
共纳入于北京协和医院采用微阵列芯片法行耳聋基因筛查新生儿165 813例，其中筛查未通过8019例，筛查阳性率为4.84%。
表 1 2012—2022年北京协和医院新生儿耳聋基因筛查结果时间(年) 筛查总数(n) 突变阳性(n) 筛查阳性率(%，95% CI) 2012 11 489 540 4.73(4.35~5.10) 2013 14 966 730 4.98(4.56~5.23) 2014 18 863 821 4.36(4.06~4.64) 2015 12 290 581 4.73(4.39~5.12) 2016 19 179 892 4.65(4.34~4.96) 2017 15 293 698 4.56(4.22~4.90) 2018 12 973 691 5.33(4.96~5.73) 2019 19 390 962 4.96(4.65~5.28) 2020 19 093 967 5.06(4.75~5.39) 2021 18 400 940 5.11(4.78~5.43) 2022 3877 197 5.08(4.38~5.78) 合计 165 813 8019 4.84(4.73~4.94) 2012—2022年新生儿耳聋基因筛查阳性率分布于4.36%~5.33%(表 1)，其中2018年之前年筛查阳性率均低于5%，2018年后(包括2018年)均接近或高于5%，原因为经专家论证及实验室性能验证，2018年将易感基因筛查位点由9个增加至15个，从而使更多的携带者、遗传性耳聋患儿及其家庭通过新生儿耳聋基因筛查项目被识别。
2.2 筛查未通过新生儿耳聋基因突变分布
新生儿群体中，携带GJB2基因突变4173例(2.52%)，携带SLC26A4基因突变3016例(1.82%)，携带GJB3基因突变570例(0.34%)，携带线粒体12S rRNA基因均质或异质突变405例(0.24%)，具体突变位点分布见表 2。
表 2 2012—2022年北京协和医院165 813例新生儿4种常见耳聋易感基因突变携带情况易感基因 相关疾病 突变位点 检出例数(n) 基因突变携带率(%，95%CI) GJB2 先天性感音神经性耳聋 c.35 del G 30 0.02(0.01~0.02) c.176 del 16 212 0.13(0.11~0.15) c.235 del C 3100 1.87(1.81~1.94) c.299 del AT 831 0.50(0.47~0.54) SLC26A4 大前庭导水管综合征 c.2168 A＞G 450 0.27(0.25~0.30) c.919-2 A＞G 2242 1.35(1.30~1.41) c.1174 A＞T* 48 0.03(0.02~0.04) c.1226 G＞A* 39 0.02(0.02~0.03) c.1229 C＞T* 53 0.03(0.02~0.04) c.1975 G＞C* 112 0.07(0.06~0.08) c.2027 T＞A* 43 0.03(0.02~0.03) c.IVS15+5 G＞A* 29 0.02(0.01~0.02) GJB3 后天高频感音神经性耳聋 c.538 C＞T 570 0.34(0.32~0.37) 线粒体12S rRNA 药物敏感性耳聋 m.1494 C＞T 25 0.02(0.01~0.02) m.1555 A＞G 380 0.23(0.21~0.25) 复合杂合、同时携带多个基因多个位点突变重复计算；*2018年新增筛查位点 2.3 多重突变携带者新生儿随访干预情况
8019例耳聋基因筛查未通过新生儿中，多重突变携带者126例，占筛查阳性新生儿群体的1.57%，其属于耳聋高风险人群，需对其家庭进行听力随访并提供遗传门诊咨询，见表 3。
表 3 2012—2022年北京协和医院165 813例新生儿4种常见耳聋易感基因多重突变携带情况基因型 检出例数(n) 听力筛查结果 随访干预手段 GJB2 c.235 del C杂合突变/GJB3 c.538 C＞T杂合突变 12 通过 随访听力正常，无特殊干预 GJB2 c.235 del C杂合突变/SLC26A4 c.2168 A＞G杂合突变 10 通过 随访听力正常，无特殊干预 GJB2 c.235 del C杂合突变/SLC26A4 c.919-2 A＞G杂合突变 49 5例未通过，44例通过 随访听力正常，无特殊干预 GJB2 c.235 del C杂合突变/SLC26A4 c.1975 G＞C杂合突变* 2 通过 随访听力正常，无特殊干预 GJB2 c.235 del C杂合突变/12S rRNA m.1494 C＞T均质/异质突变 2 通过 随访听力正常，无特殊干预 GJB2 c.235 del C杂合突变/12S rRNA m.1555 A＞G均质/异质突变 12 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/GJB3 c.538 C＞T杂合突变 2 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/SLC26A4 c.2168 A＞G杂合突变 1 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/SLC26A4 c.919-2 A＞G杂合突变 7 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/12S rRNA m.1494 C＞T均质/异质突变 1 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/SLC26A4 c.1174 A＞T杂合突变* 1 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/SLC26A4 c.1226 G＞A杂合突变* 1 通过 随访听力正常，无特殊干预 GJB2 c.299 del AT杂合突变/SLC26A4 c.1975 G＞C杂合突变* 1 通过 随访听力正常，无特殊干预 GJB2 c.176 del 16杂合突变/SLC26A4 c.919-2 A＞G杂合突变 2 通过 随访听力正常，无特殊干预 GJB3 c.538 C＞T杂合突变/SLC26A4 c.919-2 A＞G杂合突变 11 通过 随访听力正常，无特殊干预 GJB3 c.538 C＞T杂合突变/SLC26A4 c.2168 A＞G杂合突变 2 通过 随访听力正常，无特殊干预 GJB3 c.538 C＞T杂合突变/SLC26A4 c.1174 A＞T杂合突变* 1 通过 随访听力正常，无特殊干预 GJB3 c.538 C＞T杂合突变/12S rRNA m.1555 A＞G均质/异质突变 1 通过 随访听力正常，无特殊干预 SLC26A4 c.2168 A＞G杂合突变/12S rRNA m.1555 A＞G均质/异质突变 1 通过 随访听力正常，无特殊干预 SLC26A4 c.IVS15+5 G＞A杂合突变*/12S rRNA m.1555 A＞G均质/异质突变 1 通过 随访听力正常，无特殊干预 SLC26A4 c.919-2 A＞G杂合突变/12S rRNA m.1555 A＞G均质/异质突变 6 通过 随访听力正常，无特殊干预 *2018年新增筛查位点 2.4 致聋基因型新生儿随访干预情况
8019例耳聋基因筛查未通过新生儿中，存在遗传性耳聋基因型(药物敏感性耳聋除外)44例(0.55%)，包括GJB2纯合/复合杂合突变33例，SLC26A4纯合/复合杂合突变11例。此类患儿及其家庭是听力随访和遗传门诊咨询的重点人群，均根据随访和门诊咨询结果，给予助听器验配、人工耳蜗植入等干预手段(表 4)。存在药物敏感性耳聋基因型405例，其家庭筛查报告单上均附带药物警示卡片，并进行母系家族成员用药警示。
表 4 2012—2022年北京协和医院存在致聋基因型新生儿听力筛查及随访干预情况基因型 突变类型 检出例数(n) 听力筛查结果 随访干预手段 GJB2 c.176 del 16/GJB2 c.235 del C 复合杂合突变 3 未通过 建议助听器验配或人工耳蜗植入 GJB2 c.235 del C/GJB2 c.235 del C 纯合突变 18 2例通过，16例未通过 1例听力随访中，余建议助听器验配或人工耳蜗植入 GJB2 c.235 del C/GJB2 c.299 del AT 复合杂合突变 11 1例通过，10例未通过 建议助听器验配或人工耳蜗植入 GJB2 c.299 del AT/GJB2 c.299 del AT 纯合突变 1 未通过 建议助听器验配或人工耳蜗植入 SLC26A4 c.919-2 A＞G/SLC26A4 c.919-2 A＞G 纯合突变 7 3例通过，4例未通过 2例听力监测中，5例予以助听器验配或人工耳蜗植入, 指导避免听力损伤的诱发因素 SLC26A4 c.2168 A＞G/SLC26A4 c.IVS15+ 5 G＞A* 复合杂合突变 1 未通过 助听器验配，指导避免听力损伤的诱发因素 SLC26A4 c.2168 A＞G/SLC26A4 c.1229 C＞T* 复合杂合突变 1 未通过 助听器验配，指导避免听力损伤的诱发因素 SLC26A4 c.919-2 A＞G/SLC26A4 c.1226 G＞A* 复合杂合突变 1 未通过 助听器验配，指导避免听力损伤的诱发因素 SLC26A4 c.1229 C＞T/SLC26A4 c.1975 G＞C* 复合杂合突变 1 未通过 助听器验配，指导避免听力损伤的诱发因素 12S rRNA m.1494 C＞T 均质/异质突变 25 通过 母系家族成员药物警示，听力随访 12S rRNA m.1555 A＞G 均质/异质突变 380 通过 母系家族成员药物警示，听力随访 *2018年新增筛查位点 2.5 失访及遗传门诊就诊情况
165813例耳聋基因筛查新生儿中，共失访204例，全部为耳聋基因突变携带者，总体失访率为0.12%。其中，第一、二、三阶段筛查新生儿分别11 489例、81 663例、72 661例，失访新生儿分别72例、80例、52例，总体失访率分别为0.63%、0.10%、0.07%。
8019例易感基因突变携带者(筛查阳性)新生儿中，至遗传门诊就诊(不包括至门诊、实验室电话及线上平台遗传咨询者)3697例，就诊率为46.10%。其中，第一、二、三阶段筛查阳性分别544例、3793例、3682例，至遗传门诊就诊分别207例、1496例1994例，就诊率分别为38.05%、39.44%、54.16%。
Cochran-Armitage趋势性检验显示，3个阶段的总体失访率、就诊率分布存在不同，总体失访率逐渐越低，就诊率逐渐升高(P均＜0.001)。
3. 讨论
10年来，北京协和医院已完成超过16万名新生儿耳聋基因筛查。本研究对此16万余名新生儿的基因筛查结果进行了分析。结果显示，新生儿群体常见耳聋基因位点筛查阳性率为4.84%(8019/165 813)。GJB2、SLC26A4、GJB3、线粒体12S rRNA 4种易感基因的基因突变携带率分别为2.52%(4173/165 813)、1.82%(3016/165 813)、0.34%(570/165 813)、0.24%(405/165 813)；筛查发现多重突变携带者126例，存在遗传性耳聋基因型(药物敏感性耳聋除外)44例，存在药物敏感性耳聋基因型405例。耳聋基因筛查新生儿的总体失访率仅为0.12%(204/165 813)，筛查未通过新生儿的遗传门诊就诊率为46.10%(3697/8019)，且随时间推移，在项目实施的不同阶段，总体失访率逐渐下降(0.63%降至0.07%)，遗传门诊就诊率逐渐升高(38.05%增加至54.16%)。
3.1 新生儿耳聋基因筛查项目概况
新生儿筛查是在婴幼儿早期对一些疾病进行筛查诊断，从而避免严重的临床后果，是预防、降低出生缺陷的重要措施。2000年, 新生儿听力筛查被纳入《中华人民共和国母婴保健法》，肯定了新生儿听力筛查的重要性、必要性。目前，新生儿听力筛查已在全国范围内成熟应用，在婴幼儿听觉感知和言语发育方面发挥了重要保障作用。但新生儿听力筛查存在明显局限性，并非所有的耳聋均在出生后即刻得到显现，相当比例的耳聋为迟发性、渐进性听力损失，以致新生儿听力筛查无法识别。
新生儿耳聋基因筛查有助于早期识别遗传性耳聋高风险个体，进行早期采取针对性干预措施，是新生儿听力筛查的强力补充。本研究结果显示，北京协和医院行耳聋基因筛查的16万余名新生儿中，基因突变筛查阳性率为4.84%，与北京市新生儿筛查整体情况相符[5]。对筛查阳性率按年进行统计后发现，2018年之前的年筛查阳性率均低于5%，2018年以来均接近或高于5%，与2018年新增了6个筛查位点密切相关。本研究4例大前庭水管综合征患儿在2018年耳聋基因筛查范围扩大后方明确基因学诊断，进一步提示在卫生经济学评估通过的情况下应尽量增加新生儿耳聋基因筛查位点，以切实帮助更多的新生儿及家庭明确致聋风险和基因突变携带风险。
全球范围内，GJB2是遗传性耳聋最常见的致病基因，3.8%~28%的GJB2基因突变耳聋患儿在出生时听力表现为正常，通过新生儿听力筛查无法明确诊断[6-8]。SLC26A4基因突变所致耳聋的典型表现为迟发性、波动性听力损失，新生儿可能无任何临床症状。GJB3基因位于1p33~35，其错义突变c.538C＞T被认为与迟发性高频感音神经性听力下降具有一定关联性，并遵循常染色体显性遗传[9]。线粒体耳聋相关基因为母系遗传，突变者本人与母系成员均应终身禁用或慎用氨基糖苷类药物，以避免发生药物性耳聋[10]。m.1494 C＞T、m.1555 A＞G是研究最多的线粒体12S rRNA突变位点。本研究4种常见易感基因的突变携带率由高至低依次为GJB2 (2.52%)、SLC26A4 (1.82%)、GJB3 (0.34%)、12S rRNA (0.24%)，符合既往文献报道[5]。此外，本研究新生儿耳聋基因筛查共发现GJB2基因突变耳聋患儿33例(存在遗传性耳聋基因型)、SLC26A4突变耳聋患儿11例，其中各3例通过了新生儿听力筛查，进一步说明了新生儿期行耳聋基因筛查的必要性。
3.2 筛查阳性新生儿随访及干预情况
自2012年起，北京市实行新生儿听力与耳聋基因联合筛查模式，旨在实现遗传性耳聋患儿的早期诊断与干预，并提供必要的婚育指导[11-13]。对于单个位点杂合突变新生儿，若听力筛查通过，对其规律听力随访至3岁，若听力正常，则不予干预；若听力异常，应及时采取干预措施，同时考虑扩大基因检测范围，探寻耳聋的分子病因。多重突变携带者是遗传性耳聋的高风险群体，对其听力随访需更加重视。耳聋基因筛查明确为存在遗传性耳聋基因型新生儿，其分子病因一旦明确，将进入规范的诊治流程，无论其听力筛查是否通过，均应及时进行听力诊断，根据听力损失情况个体化干预，以保证患儿正常的听觉感知和言语发育。此外，应对患儿家庭进行生活指导以减轻或延缓耳聋发生，如SLC26A4基因突变所致大前庭导水管综合征患者，在内耳压力改变的情况下(如头部碰撞、撞击类运动、感冒高热等)易诱发听力下降。针对此类人群，明确分子病因后对新生儿家庭进行养育指导，生活中尽量避免听力下降的诱发因素，从而延缓、减轻患儿听力损失。对于线粒体基因12S rRNA突变者，新生儿本身及其母系家族成员应进行用药警示。本研究共筛查发现多重突变携带者126例，存在遗传性耳聋基因型44例，均已落实听力随访并提供了遗传咨询；筛查发现存在药物敏感性耳聋基因型新生儿405例，均伴随筛查报告发放药物警示卡片，对新生儿及其母系家族成员用药警示。按照每位携带此突变的新生儿平均有10位母系家族成员需用药警示进行估算[10]，通过新生儿耳聋基因筛查有效避免药物性耳聋发生的受益人群将超过4000例，为社会和个人节约了大量的医疗康复支出。
北京协和新生儿耳聋基因筛查项目运行10年来，定期对采血机构、筛查实验室及遗传咨询人员进行交流、培训，在实验室、遗传门诊和妇幼机构共同努力下，北京协和医院新生儿耳聋基因筛查项目总体失访率由0.63%降至0.07%，新生儿及家庭遗传咨询门诊就诊率由38.05%提高至54.16%，这提示新生儿耳聋基因筛查平台在平稳高效运行的同时，也在不断优化与改进项目流程和效果。
3.3 工作体会
基于连续多年新生儿耳聋基因筛查工作经验，本研究团队不仅参与撰写了《中国第一批罕见病目录释义》(非综合征型耳聋居第83位)及其诊疗规范《罕见病诊疗指南》，亦总结出了一些工作心得与体会。
首先，新生儿筛查作为一项在特殊时期对特殊群体的疾病筛查，其不仅涉及医学领域，还需考虑公共卫生以及卫生经济学等方面诸多问题。筛查的目标疾病应满足以下条件：(1)一旦发病对健康、生活产生极大影响；(2)对疾病转归及患儿预后已了解透彻；(3)筛查检测手段便捷、精准、有效；(4)具备有效的预防、治疗手段，且可在疾病发生或发现前予以实施；(5)筛查流程及后续随访系统健全[14]。对新生儿进行耳聋基因筛查，不仅可做到早发现、早干预，对于高风险个体，如药物敏感性耳聋患儿予以警示，可避免或减少相关药物使用，从而起到预防的作用。此外，亦可为患儿家庭提供优生优育的遗传咨询，具有重要的公共卫生意义。
其次，新生儿耳聋基因筛查是利国利民的公益项目，应加强相关内容知识宣教，以促使更多孕产妇家庭参与其中。近年来助产机构联合孕妇学校积极展开新生儿耳聋基因筛查健康教育，不仅为新生儿耳聋基因筛查项目顺利实施奠定了良好基础，也有利于提高遗传门诊就诊率。此外，考虑到《北京市新生儿耳聋基因筛查知情同意书》是产妇于待产状态下在助产机构签署，产妇未必对其内容有深入、全面了解，遗传门诊医师可在产妇就诊时对该项目进行健康科普，以增加其随访的依从性，降低后期失访率。
最后，鉴于我国新生儿群体庞大，在卫生经济学评价的基础上，针对我国人群适当增加热点基因突变筛查位点，有助于提高遗传性耳聋检出率，惠及更多患儿及其家庭。
本研究局限性：(1)部分筛查阳性新生儿随访时间较短，其预后需进一步观察；(2)未进行卫生经济学评价；(3)研究对象仅为北京市3个区县的新生儿，结果外推需谨慎。
综上，北京协和医院新生儿耳聋基因筛查项目已平稳运行10余年，完成新生儿筛查超16万人次，失访率较低，遗传门诊为近4000个新生儿家庭提供了遗传咨询、听力随访及必要的听觉干预诊疗服务。目前筛查、追访和咨询干预平台运行高效、平稳，可切实解决筛查阳性家庭确诊、生育指导、预后评估等需求。相信随着新一代测序方法、基因诊断技术的革新，依托现行平台和规范的运行模式，新生儿耳聋基因筛查能力和筛查范围将得到进一步提高。
作者贡献：吴俊、费思佳共同查阅文献，撰写初稿并修订论文；沈博、张瀚文、黄剑锋、赵建春、丁大勇提出修改建议；潘琦负责终审校对。利益冲突：无吴俊、费思佳为共同第一作者 -
[1] Maddaloni E, Sabatino F. In vivo corneal confocal microscopy in diabetes: Where we are and where we can get[J]. World J Diabetes, 2016, 7: 406-411. DOI: 10.4239/wjd.v7.i17.406
[2] Mansoor H, Tan HC, Lin MT, et al. Diabetic Corneal Neuropathy[J]. J Clin Med, 2020, 9: 3956. DOI: 10.3390/jcm9123956
[3] Shtein RM, Callaghan BC. Corneal confocal microscopy as a measure of diabetic neuropathy[J]. Diabetes, 2013, 62: 25-26. DOI: 10.2337/db12-1114
[4] Ferdousi M, Kalteniece A, Azmi S, et al. Diagnosis of Neuropathy and Risk Factors for Corneal Nerve Loss in Type 1 and Type 2 Diabetes: A Corneal Confocal Microscopy Study[J]. Diabetes Care, 2021, 44: 150-156. DOI: 10.2337/dc20-1482
[5] Chen X, Graham J, Dabbah MA, et al. Small nerve fiber quantification in the diagnosis of diabetic sensorimotor polyneuropathy: comparing corneal confocal microscopy with intraepidermal nerve fiber density[J]. Diabetes Care, 2015, 38: 1138-1144. DOI: 10.2337/dc14-2422
[6] Ziegler D, Papanas N, Zhivov A, et al. Early detection of nerve fiber loss by corneal confocal microscopy and skin biopsy in recently diagnosed type 2 diabetes[J]. Diabetes, 2014, 63: 2454-2463. DOI: 10.2337/db13-1819
[7] Tavakoli M, Quattrini C, Abbott C, et al. Corneal confocal microscopy: a novel noninvasive test to diagnose and stratify the severity of human diabetic neuropathy[J]. Diabetes Care, 2010, 33: 1792-1798. DOI: 10.2337/dc10-0253
[8] Roszkowska AM, Licitra C, Tumminello G, et al. Corneal nerves in diabetes-The role of the in vivo corneal confocal microscopy of the subbasal nerve plexus in the assessment of peripheral small fiber neuropathy[J]. Surv Ophthalmol, 2021, 66: 493-513. DOI: 10.1016/j.survophthal.2020.09.003
[9] Medeiros CS, Santhiago MR. Corneal nerves anatomy, function, injury and regeneration[J]. Exp Eye Res, 2020, 200: 108243. DOI: 10.1016/j.exer.2020.108243
[10] Malik RA, Kallinikos P, Abbott CA, et al. Corneal confocal microscopy: a non-invasive surrogate of nerve fibre damage and repair in diabetic patients[J]. Diabetologia, 2003, 46: 683-688. DOI: 10.1007/s00125-003-1086-8
[11] Markoulli M, Flanagan J, Tummanapalli SS, et al. The impact of diabetes on corneal nerve morphology and ocular surface integrity[J]. Ocul Surf, 2018, 16: 45-57. DOI: 10.1016/j.jtos.2017.10.006
[12] Salahouddin T, Petropoulos IN, Ferdousi M, et al. Artificial Intelligence-Based Classification of Diabetic Peripheral Neuropathy From Corneal Confocal Microscopy Images[J]. Diabetes Care, 2021, 44: e1-e3. DOI: 10.2337/dc20-1534
[13] De Clerck EE, Schouten JS, Berendschot TT, et al. New ophthalmologic imaging techniques for detection and monitoring of neurodegenerative changes in diabetes: a systematic review[J]. Lancet Diabetes Endocrinol, 2015, 3: 653-663. DOI: 10.1016/S2213-8587(15)00136-9
[14] Asghar O, Petropoulos IN, Alam U, et al. Corneal confocal microscopy detects neuropathy in subjects with impaired glucose tolerance[J]. Diabetes Care, 2014, 37: 2643-2646. DOI: 10.2337/dc14-0279
[15] Szalai E, Deák E, Módis L Jr, et al. Early Corneal Cellular and Nerve Fiber Pathology in Young Patients With Type 1 Diabetes Mellitus Identified Using Corneal Confocal Microscopy[J]. Invest Ophthalmol Vis Sci, 2016, 57: 853-859. DOI: 10.1167/iovs.15-18735
[16] Yan A, Issar T, Tummanapalli SS, et al. Relationship between corneal confocal microscopy and markers of peripheral nerve structure and function in Type 2 diabetes[J]. Diabet Med, 2020, 37: 326-334. DOI: 10.1111/dme.13952
[17] Jiang MS, Yuan Y, Gu ZX, et al. Corneal confocal microscopy for assessment of diabetic peripheral neuropathy: a meta-analysis[J]. Br J Ophthalmol, 2016, 100: 9-14. DOI: 10.1136/bjophthalmol-2014-306038
[18] 贾晓凡. 角膜共焦显微镜在2型糖尿病周围神经病变中的应用价值研究[D]. 北京: 北京协和医学院, 2017. [19] Ferdousi M, Kalteniece A, Azmi S, et al. Corneal confocal microscopy compared with quantitative sensory testing and nerve conduction for diagnosing and stratifying the severity of diabetic peripheral neuropathy[J]. BMJ Open Diabetes Res Care, 2020, 8: e001801. DOI: 10.1136/bmjdrc-2020-001801
[20] Hossain P, Sachdev A, Malik RA. Early detection of diabetic peripheral neuropathy with corneal confocal microscopy[J]. Lancet, 2005, 366: 1340-1343. DOI: 10.1016/S0140-6736(05)67546-0
[21] Petropoulos IN, Ponirakis G, Khan A, et al. Diagnosing Diabetic Neuropathy: Something Old, Something New[J]. Diabetes Metab J, 2018, 42: 255-269. DOI: 10.4093/dmj.2018.0056
[22] Tavakoli M, Begum P, Mclaughlin J, et al. Corneal confocal microscopy for the diagnosis of diabetic autonomic neuropathy[J]. Muscle Nerve, 2015, 52: 363-370. DOI: 10.1002/mus.24553
[23] Maddaloni E, Sabatino F, Del Toro R, et al. In vivo corneal confocal microscopy as a novel non-invasive tool to investi-gate cardiac autonomic neuropathy in Type 1 diabetes[J]. Diabet Med, 2015, 32: 262-266. DOI: 10.1111/dme.12583
[24] Petropoulos IN, Green P, Chan AW, et al. Corneal confocal microscopy detects neuropathy in patients with type 1 diabetes without retinopathy or microalbuminuria[J]. PLoS One, 2015, 10: e0123517. DOI: 10.1371/journal.pone.0123517
[25] Srinivasan S, Dehghani C, Pritchard N, et al. Ophthalmic and clinical factors that predict four-year development and worsening of diabetic retinopathy in type 1 diabetes[J]. J Diabetes Complications, 2018, 32: 67-74. DOI: 10.1016/j.jdiacomp.2017.09.002
[26] Brines M, Dunne AN, Velzen MV, et al. ARA 290, a non-erythropoietic peptide engineered from erythropoiethin, improves metabolic control and neuropathic symptoms in patients with type 2 diabetes[J]. Mol Med, 2015, 20: 658-666. http://europepmc.org/articles/PMC4365069/
[27] Tavakoli M, Mitu-Pretorian M, Petropoulos IN, et al. Corneal confocal microscopy detects early nerve regeneration in diabetic neuropathy after simultaneous pancreas and kidney transplantation[J]. Diabetes, 2013, 62: 254-260. DOI: 10.2337/db12-0574
[28] Dabbah MA, Graham J, Petropoulos I, et al. Dual-Model Automatic Detection of Nerve-Fibres in Corneal Confocal Microscopy Images[C]. International Conference on Medical Image Computing & Computer-assisted Intervention, 2010, 13: 300-307.
[29] Chen X, Graham J, Dabbah M, et al. An Automatic Tool for Quantification of Nerve Fibres in Corneal Confocal Micros-copy Images[J]. IEEE Trans Biomed Eng, 2017, 64: 786-794. DOI: 10.1109/TBME.2016.2573642
[30] Kim J, Markoulli M. Automatic analysis of corneal nerves imaged using in vivo confocal microscopy[J]. Clin Exp Optom, 2018, 101: 147-161. DOI: 10.1111/cxo.12640
[31] 陈新建, 石霏, 周鑫鑫, 等. 一种U型网络及角膜图像中神经纤维的分割方法[P]. 中国专利: CN202010068764. X, 2020-06-23. [32] Williams BM, Borroni D, Liu R, et al. An artificial intelligence-based deep learning algorithm for the diagnosis of diabetic neuropathy using corneal confocal microscopy: a development and validation study[J]. Diabetologia, 2020, 63: 419-430. DOI: 10.1007/s00125-019-05023-4
[33] Yildiz E, Arslan AT, Yildiz Tas A, et al. Generative Adversarial Network Based Automatic Segmentation of Corneal Subbasal Nerves on In Vivo Confocal Microscopy Images[J]. Transl Vis Sci Technol, 2021, 10: 33. http://www.researchgate.net/publication/351892278_Generative_Adversarial_Network_Based_Automatic_Segmentation_of_Corneal_Subbasal_Nerves_on_In_Vivo_Confocal_Microscopy_Images
[34] Salahuddin T, Qidwai U. Evaluation of Loss Functions for Segmentation of Corneal Nerves[C]. IEEE-EMBS Conference on Biomedical Engineering and Sciences (IECBES), 2021: 533-537.
[35] Kucharski A, Fabijańska A. CNN-watershed: A watershed transform with predicted markers for corneal endothelium image segmentation[J]. Biomed Signal Proces, 2021, 68: 1746-8094. http://www.researchgate.net/publication/352009652_CNN-watershed_A_watershed_transform_with_predicted_markers_for_corneal_endothelium_image_segmentation
[36] Mou L, Zhao Y, Fu H, et al. CS2-Net: Deep learning segmentation of curvilinear structures in medical imaging[J], Med Image Anal, 2021, 67: 1361-8415. http://www.sciencedirect.com/science/article/pii/S1361841520302383
[37] Wei S, Shi F, Wang Y, et al. A deep learning model for automated sub-basal corneal nerve segmentation and evaluation using in vivo confocal microscopy[J]. Transl Vis Sci Technol, 2020, 9: 32. http://www.researchgate.net/publication/342288647_A_Deep_Learning_Model_for_Automated_Sub-Basal_Corneal_Nerve_Segmentation_and_Evaluation_Using_In_Vivo_Confocal_Microscopy
-
期刊类型引用(2)
1. 王佳宁，黄剑锋，喻晓兵. 人工智能在角膜共聚焦显微镜检查角膜神经病变中的应用进展. 中国临床医生杂志. 2024(01): 32-34 . 
百度学术
2. 韩雪，丁婧娟，陆淑婷，蒋沁，杨卫华，薛劲松. 人工智能在干眼诊断中的研究进展. 国际眼科杂志. 2022(12): 2063-2067 . 百度学术
其他类型引用(2)
下载:
计量
- 文章访问数: 838
- HTML全文浏览量: 155
- PDF下载量: 102
- 被引次数: 4
