深度学习算法从多民族糖尿病人群的视网膜照片中检测糖尿病病

科学领域:

• 眼科医生 眼科 眼科
• 腎臟病學 (nephrology) 是一種醫學專業.
• 人工智能的人工智能

背景情况:

• 糖尿病病 (DKD) 是糖尿病的一个主要并发症,通常是晚发现的.
• 早期发现DKD对于及时干预和管理至关重要.
• 视网膜成像为糖尿病相关的全身微血管变化提供了一个非侵入性窗口.

研究的目的:

• 开发和评估一个深度学习算法 (DLA) 来从视网膜照片中检测糖尿病病 (DKD).
• 评估DLA在多元化,多民族人口中的表现.
• 探索DLA作为糖尿病患者DKD查辅助剂的潜力.

主要方法:

• 开发了三个模型:仅图像的DLA,仅风险因子 (RF) 的逻辑回归 (LR),以及结合RF和图像数据的混合LR模型.
• 模型经过训练,并使用新加坡综合糖尿病视网膜病症计划 (SiDRP) 的数据进行内部验证.
• 对来自新加坡 (SEED,SMART2D) 和高加索群体 (AHES,NICOLA) 的独立数据集进行了外部验证.

主要成果:

• 混合模型在内部验证 (0.866) 和在SEED (0.828) 和SMART2D (0.761) 数据集上的外部验证中实现了最高的曲线下面面积 (AUC).
• 仅图像和仅射频模型也表现出显著的性能,AUC在数据集中从0.726到0.847不等.
• 在不同族群和研究设计中观察到一致的表现.

结论:

• 使用视网膜图像的深度学习算法具有在糖尿病患者中查糖尿病病 (DKD) 的巨大潜力.
• 这种DLA可以作为现有的糖尿病视网膜病变查系统的宝贵补充.
• 整合DLA用于DKD检测可以促进早期识别和管理这种糖尿病并发症.