支持矢量机器学习工具在临床实践中用于诊断糖尿病视网膜病变的性能
Tobias P H Nissen1,2, Thomas L Nørgaard2, Katja C Schielke2
1Steno Diabetes Center North Jutland, 9000 Aalborg, Denmark.
Journal of personalized medicine
|July 29, 2023
概括
这项研究表明,用于糖尿病视网膜病变 (DR) 检测的RetinaLyze机器学习软件在现实临床实践中表现与人类分级相当. 建议在使用其作为决策支持工具之前进行进一步的测试.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 公共卫生查 公共卫生查
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病患者视力丧失的主要原因.
- 早期发现和管理DR对于预防视力损伤至关重要.
- 自动选工具有可能提高DR检测的效率和可访问性.
研究的目的:
- 评估用于识别糖尿病视网膜病变 (DR) 的RetinaLyze机器学习软件的现实世界性能.
- 为了比较软件的诊断准确性与临床环境中人类专家的评分.
主要方法:
- 分析了丹麦国家查计划中患者的1001只眼睛.
- 眼科医生使用国际临床糖尿病视网膜病变严重程度尺度对所有眼睛进行了分级.
- 将RetinaLyze软件对DR和无DR的检测与眼科医生的分级进行了比较.
主要成果:
- 该软件展示了高性能指标:灵敏度84.9%,特异性89.9%,正预测值92.1%,负预测值81.0%,与人类分级相比.
- 绩效指标与常规查结果相似,有重叠的置信区间.
- 该软件实现了93.4%的曲线下面积 (AUC) 和令人满意的级别间协议 (Conger的精确卡帕=0.827).
结论:
- RetinaLyze软件在糖尿病视网膜病变检测方面表现相当于人类分级的性能.
- 该研究表明,该软件可能是一个有价值的工具,但建议进一步进行临床评估.
- 在作为决策支持工具广泛实施之前,与更新的临床程序一起进行额外的测试至关重要.
