深度学习算法ROP.AI的多中心验证,用于ROP中Plus疾病的自动诊断
Amelia Bai1,2,3, Shuan Dai1,3,4, Jacky Hung2
1Department of Ophthalmology, Queensland Children's Hospital, South Brisbane, Queensland, Australia.
Translational vision science & technology
|August 14, 2023
概括
一个人工智能 (AI) 工具,ROP.AI,在多中心澳大利亚研究中,在检测加病,一种严重形式的早产视网膜病变 (ROP) 中表现出有效性. 这种人工智能有望改善早产婴儿的ROP查和诊断.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 早产视网膜病变 (ROP) 是早产婴儿视力丧失的重要原因之一.
- 由于主观和时间密集的视网膜检查,检测重病,严重的ROP指标是具有挑战性的.
- 现有的用于ROP检测的人工智能 (AI) 算法需要在不同人群中进行验证.
研究的目的:
- 为了验证ROP.AI,在单个队列上训练的AI算法,用于在多中心的澳大利亚队列中检测加病.
- 评估ROP.AI在现实世界的临床环境中的性能,在多个高等中心.
- 确定ROP.AI用于识别早产严重视网膜病变的概括性.
主要方法:
- 从五个澳大利亚中心的常规ROP查 (2021年5月至2022年2月) 收集了视网膜图像.
- 使用ROP.AI分析图像,并将其诊断输出与专家眼科医生诊断进行比较.
- 计算了性能指标,包括灵敏度,特异性和接收器操作员曲线 (AUC) 下的面积.
主要成果:
- 总共分析了8052张图像.
- 在ROP.AI的诊断和疾病方面,AUC达到0.75.
- 优化的操作点产生了84%的灵敏度,43%的特异性和96%的负预测值,用于疾病检测.
结论:
- 在一个外部的多中心队列中,ROP.AI成功检测了多病症,验证了其超出初始训练数据的表现.
- 该算法在没有图像预处理或增强的情况下在现实世界中证明了可应用性.
- 进一步的培训可以提高ROP.AI的通用性,以便在ROP查中广泛的临床实施.
