可解释的人工智能模型用于使用彩色视网膜照片检测地理缩
Valentina Sarao1,2, Daniele Veritti1, Axel De Nardin3
1Department of Medicine-Ophthalmology, University of Udine, Udine, Italy.
BMJ open ophthalmology
|December 6, 2023
概括
一个可解释的人工智能 (AI) 模型在视网膜图像中准确检测地理缩 (GA). 这种人工智能工具在自动化GA诊断方面表现出高灵敏度和特异性.
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:
- 地理缩 (GA) 是导致视力丧失的主要原因.
- 准确和早期发现GA对于患者管理至关重要.
- 当前的诊断方法可能是耗时和主观的.
研究的目的:
- 为GA检测开发和验证一个可解释的AI模型.
- 评估人工智能模型的性能与人工专家评估对比.
- 用彩色视网膜照片提供GA诊断的自动化工具.
主要方法:
- 一项前性研究收集了540张彩色 fundus 图像.
- 图像被专家分类为健康,GA或其他视网膜疾病.
- 一个可解释的AI模型与类激活映射被开发和验证.
主要成果:
- 人工智能模型在区分GA与健康眼睛方面实现了98.4%的诊断准确度 (100%的灵敏度,97.5%的特异性).
- 对于将GA与其他视网膜疾病区分开来,准确率为96.8%,回忆率为100%,精度为90.9%.
- 高AUC-ROC (0.988) 和AUC-PR (0.952) 评分证实了强大的表现.
结论:
- 开发的可解释AI模型在从视网膜图像中检测GA方面表现出色.
- 人工智能模型提供高灵敏度,特异性和诊断精度.
- 这种人工智能工具是自动GA诊断的强大辅助工具.
