通过使用深度学习的连续光盘照片预测视野进展
Vahid Mohammadzadeh1, Sean Wu2, Tyler Davis3
1Department of Ophthalmology, Jules Stein Eye Institute, UCLA, Los Angeles, California, USA.
The British journal of ophthalmology
|October 13, 2023
概括
一个深度学习模型使用光盘照片准确地预测玻璃眼病的进展. 这种工具可以帮助识别有视力丧失风险的患者,改善临床管理.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 玻璃眼是全球不可逆转的失明的主要原因.
- 早期发现和预测青光眼的进展对于及时干预至关重要.
- 目前用于预测青光眼进展的方法存在局限性.
研究的目的:
- 为了评估深度学习模型在预测青光眼患者视野进展方面的有效性.
- 用纵向光盘照片 (ODP) 评估模型的性能.
主要方法:
- 开发了一个深度学习模型 (双神经网络与ResNet50脊柱).
- 该模型使用了在视野 (VF) 进展前多达一年获得的纵向ODP.
- 数据包括3919只眼睛,至少有两次ODP和五次VF检查,持续了三年.
主要成果:
- 该模型实现了接收器操作特征曲线 (AUC) 下的面积为0.862和预测VF进展的准确率为80.0%.
- 对于快速进展的眼睛,AUC增加到0.926.
- 在19%的研究队列中发现了青光眼的进展.
结论:
- 深度学习模型可以以临床相关的准确性预测ODPs的青光眼进展.
- 这种以人工智能为驱动的方法显示了在临床实践中加强眼病管理的前景.
- 在广泛临床实施之前,建议进行进一步的验证.


