深層学習駆動型白内障スクリーニングモデル：多施設実世界データセットから導出

科学分野:

• 眼科学
• 人工知能
• 医用画像

背景:

• 白内障は世界的に可逆的な失明の主な原因であり、早期検出が必要です。
• 白内障スクリーニングのための既存のAIモデルは、均質で単一施設でのトレーニングデータのために汎用性が欠けていることがよくあります。

研究 の 目的:

• 大規模な多施設データセットを使用して、白内障検出のための汎用性の高い深層学習モデルを開発および検証すること。
• 信頼性の高い医療AIシステムのための方法論的フレームワークを確立すること。

主な方法:

• 中国全土の21機関から収集された22,094枚のスリットランプ画像で深層学習モデルをトレーニングしました。
• 自動品質評価、交絡因子スクリーニング（例：翼状片）、および鑑別診断を含むカスケードフレームワークを採用しました。
• このフレームワーク内で様々な深層学習アーキテクチャを評価しました。

主要な成果:

• 主要モデルは、白内障分類のための独立したテストセットで高いパフォーマンスを達成しました。
• ResNet50-IBNモデルは、93.74%の精度、97.74%の特異度、および95.30%のAUCを示しました。
• 多施設の実世界データでのトレーニングにより、モデルは堅牢で汎用性が高いことが証明されました。