在尤卡坦半岛使用基于智能手机的 fundus 摄影和深度学习的人工智能进行糖尿病视网膜病症查:一项现场研究

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:

• 糖尿病视网膜病变 (DR) 查对于预防视力丧失至关重要.
• 基于智能手机的 fundus 摄影为远程 DR 查提供了一个便携式解决方案.
• 在现实世界中评估AI算法的性能,现场设置是必不可少的.

研究的目的:

• 为了比较Medios (离线) 和EyeArt (在线) AI算法的DR检测性能.
• 评估通过智能手机在远程外展环境中捕获的 fundus 图像上的 AI 性能.

主要方法:

• 在尤卡坦半岛查的248名患者的2130个 fundus图像的回顾性分析.
• 使用便携式Remidio fundus-on-phone摄像头进行图像采集.
• 将Medios和EyeArt AI算法性能与临床检查结果进行比较.

主要成果:

• 媒体实现了94%的灵敏度和94%的特异性;EyeArt实现了94%的灵敏度和86%的特异性,性能受到摄影师错误的影响.
• 在头对头比较中,Medios显示了99%的灵敏度和88%的特异性;EyeArt显示了95%的灵敏度和88%的特异性.
• 这两种AI算法都在现场环境中展示了DR检测的高灵敏度和特异性.

结论:

• 媒体和EyeArt人工智能算法在远程大规模查程序中有效检测糖尿病视网膜病变.
• 这两种AI系统都是DR查活动的有价值工具,特别是在需要立即结果的地方.
• 当互联网访问可用于DR查时,EyeArt的在线功能是有利的.