一个深度学习模型用于查计算机断层成像用于甲状腺眼病和压缩性视觉神经病变
Lisa Y Lin1, Paul Zhou2, Min Shi3
1Department of Ophthalmology, Ophthalmic Plastic Surgery Service, Massachusetts Eye and Ear, Harvard Medical School, Boston, Massachusetts.
Ophthalmology science
|December 4, 2023
概括
一个新的深度学习人工智能模型从轨道CT扫描中准确地检测甲状腺眼病 (TED) 和相关的视神经病变,优于人类专家. 这种工具有助于早期诊断和转诊,以获得更好的患者结果.
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:
- 甲状腺眼病 (TED) 是一种自身免疫性疾病,可以通过压缩性视神经病变导致视力丧失.
- 早期发现和监测TED对于预防永久视力损伤至关重要.
- 深度学习 (AI) 在医学图像分析中显示出有前途的疾病检测.
研究的目的:
- 开发和评估一种深度学习模型,用于使用轨道CT扫描识别TED和压缩性视神经病变.
- 将人工智能模型的诊断准确度与人类专家的性能进行比较.
主要方法:
- 对1187名141名患者 (TED和对照组) 的轨道CT扫描进行了回顾性分析.
- 一个深度学习模型 (视觉几何组-16) 被训练来分类没有TED,轻度TED和严重的TED与视神经病变.
- 模型的性能被评估并与眼科外科医生的评估进行了比较.
主要成果:
- 深度学习模型在区分没有TED,轻度TED和严重的TED与视神经病变之间实现了89.5%的准确性.
- 人工智能模型在曲线下显示出较高的曲线下面积 (0.96-0.99),而眼镜外科医生的准确度 (70.0%).
- 该模型从轨道CT图像中准确地识别了TED和TED的视神经病变.
结论:
- 开发的深度学习模型从轨道CT扫描中准确检测甲状腺眼病和相关的压缩性视觉神经病变.
- 人工智能模型在诊断准确性方面显著超过了人类专家的评分.
- 这种人工智能工具有可能帮助医疗保健提供者在早期TED检测和患者分层进行专家转诊.
