早期发现视力障碍至关重要，但在幼儿中经常被遗漏，它们只能与标准视力测试进行有限的合作。虽然视障儿童的某些特征，如面部外观和眼球运动，可以帮助眼科练习，但将这些特征应用于现实世界的筛查仍然具有挑战性。

2023年1月26日，中山大学林浩添及上海交通大学丁晓伟共同通讯在Nature Medicine在线发表题为“Early detection of visual impairment in young children using a smartphone-based deep learning system”的研究论文，该研究表明使用基于智能手机的深度学习系统能够及早发现幼儿视力障碍。该研究提出了一个移动健康（mHealth）系统，即基于智能手机的 Apollo婴儿视力（AIS），该系统通过记录和分析视觉刺激下的凝视行为和面部特征来识别患有16种眼科疾病中的任何一种的视障儿童。前瞻性地收集了3,652名儿童的视频，以开发和验证该系统。

为了检测视力障碍，AIS在中国多家眼科诊所收集的内部验证集中实现了0.940的受试者操作曲线下面积（AUC），在外部验证集中实现了0.843的AUC。在未经培训的父母或看护人使用智能手机在家中实施的AIS的进一步测试中，该系统能够适应不同的测试条件，并实现了0.859的AUC。这种移动医疗系统有可能被医疗保健专业人员、父母和护理人员用于识别各种眼科疾病中视力受损的幼儿。