使用 fundus 摄像头和人工智能预评估应用程序进行糖尿病视网膜病变查的可行性和准确性
1Eye Unit, Primary Care, ASL TO5, Regione Piemonte, 10024, Moncalieri, TO, Italy. piatti.alberto@aslto5.piemonte.it.
Acta diabetologica
|September 7, 2023
概括
一个AI算法,DAIRET®,在检测可转移的糖尿病视网膜病变 (DR) 中表现出100%的灵敏度,确保没有视力威胁的病例被错过. 它的高精度为DR查提供了一种成本效益高的替代手工分级的替代方案.
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:
- 眼科医生对糖尿病视网膜病变 (DR) 进行查是昂贵且资源密集的.
- 使用人工智能的自动化DR图像分析提供了一个潜在的临床和经济解决方案.
- 评估用于DR检测的AI算法的准确性和可靠性至关重要.
研究的目的:
- 评估DAIRET®机器学习算法用于糖尿病视网膜病变检测的诊断性能.
- 将AI的分类准确度与人类专家分级进行比较.
主要方法:
- 一项观察性诊断精度研究涉及637名接受糖尿病常规眼科检查的患者.
- 视网膜图像由眼科医生手动分级,并与DAIRET®算法输出进行比较.
- 关键的性能指标包括灵敏度,特异性和诊断准确性,其可信度间隔为95%.
主要成果:
- DAIRET®算法将1.2%的病例归类为不可分类,与现有文献保持一致.
- 在识别可转移的糖尿病视网膜病变 (中度DR或更严重) 中,DAIRET® 获得了100%的灵敏度.
- 该算法在没有DR的情况下显示了80% (±0.04) 的特异性.
结论:
- DAIRET®在检测可转移的糖尿病视网膜病变方面表现出极好的灵敏度,在这个方面超过了人类等级.
- 人工智能的高灵敏度确保需要眼科医生注意的患者不会被误诊.
- 足够的特异性支持DAIRET®作为一种可行的,经济高效的替代方案,而不仅仅依赖DR查的手动分级.
