Un conjunto de datos de imágenes de fondo de grano fino para la evaluación y el diagnóstico de la gravedad de las...

Área de la Ciencia:

• Oftalmología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• Las cataratas son una causa principal de ceguera mundial.
• Los modelos actuales de aprendizaje profundo para el diagnóstico de cataratas ofrecen evaluaciones binarias limitadas.
• Las necesidades clínicas requieren la gradación de la gravedad en varios niveles y recomendaciones de diagnóstico.

Objetivo del estudio:

• Desarrollar un sistema de clasificación de cataratas de grano fino y generación de informes de diagnóstico.
• Introducir el Conjunto de Datos de Imágenes de Diagnóstico y Gravedad de Cataratas (CSDI).
• Aplicar Modelos de Lenguaje Grandes Multimodales (MLLM) para el diagnóstico cuantitativo de cataratas.

Principales métodos:

• Construcción del conjunto de datos CSDI con 187 imágenes de fondo e informes clínicos.
• Desarrollo de un marco basado en MLLM para el análisis de imágenes y la generación de texto.
• Evaluación comparativa de los MLLM de última generación en el conjunto de datos CSDI.

Principales resultados:

• El conjunto de datos CSDI proporciona anotaciones detalladas para el análisis de cataratas de grano fino.
• El marco MLLM demostró capacidad en la puntuación de gravedad y la generación de informes.
• La evaluación comparativa confirmó la alta calidad de las anotaciones del conjunto de datos.

Conclusiones:

• El conjunto de datos CSDI y el marco MLLM representan un enfoque novedoso para el diagnóstico cuantitativo de cataratas.
• Este trabajo aborda la necesidad de una evaluación detallada de cataratas impulsada por IA en la práctica clínica.
• El conjunto de datos y los métodos disponibles públicamente facilitan la investigación adicional en IA para la oftalmología.