临床医生驱动的人工智能:对糖尿病视网膜病变转诊的公共数据进行无代码自我培训
Edward Korot1,2,3, Mariana Batista Gonçalves2,4,5, Josef Huemer2
1Retina Specialists of Michigan, Grand Rapids.
JAMA ophthalmology
|October 19, 2023
概括
资源有限的临床医生可以使用自我训练和公共数据开发高性能糖尿病视网膜病变人工智能模型. 这使人工智能民主化,减少了对编码专业知识和大型标记数据集的需求.
科学领域:
- 医疗人工智能 医疗人工智能
- 眼科医生 眼科 眼科
- 机器学习 机器学习
背景情况:
- 人工智能 (AI) 的民主化允许临床医生没有编码专业知识来开发模型.
- 访问强大的计算和大型标记数据集往往是障碍.
研究的目的:
- 确定资源有限的临床医生是否可以使用自动机器学习 (ML) 和公共数据集进行自我培训.
- 设计高性能糖尿病视网膜病变分类模型.
主要方法:
- 对两个公共数据集 (Messidor-2, EyePACS) 应用了一种自我训练,无代码的方法.
- 一个老师模型被训练使用标记图像的监督学习.
- 一个学生模型在一个没有标签的数据集上使用由教师模型生成的伪标签进行训练.
主要成果:
- 内部验证显示,学生模型的AUROC值在0.916到0.951之间.
- 外部验证表明学生模型AUROC的准确度为0.950和96.7%.
- 在外部验证中,自动化的ML模型在外部验证中胜过了手动编码的定制模型.
结论:
- 使用自动化ML进行自我训练有效地提高了AI模型的性能和通用性.
- 这种方法减少了对昂贵的专家标签的需求.
- 它使缺乏编码技能的临床医生能够开发自己的AI模型.
