深度学习人工智能部署的未来方向:在COVID-19期间,在服务不足的社区中威胁疾病检测的愿景

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:

• 视力威胁性疾病 (VTD) 是导致视力丧失和失明的主要原因.
• 早期检测和及时转诊对于保护视力和维持生活质量至关重要.
• 在获得医疗保健方面的差异不成比例地影响着服务不足的社区,需要创新的查方法.

研究的目的:

• 提出和评估一个全面的基于社区的视网膜查计划,整合深度学习人工智能 (DLAI).
• 减轻医疗保健差异,满足服务不足的城市人口的需求.
• 为了利用 DLAI 早期检测 VTD 和高效的眼科转诊.

主要方法:

• 评估两个DLAI软件系统用于45°视网膜图像分析.
• 在临床环境中部署DLAI,用于选需要眼科转诊的病例.
• 对DLAI功能进行评估,以便在社区查计划中实施.

主要成果:

• 社区查使用多种成像方式,增加了VTD检测率 (例如,OCT血管学在35%).
• 机器人远程咨询实现了100%的后续.
• 与人类分级器相比,DLAI显著减少了图像分析时间 (例如,SELENA+TM在10.6秒) 具有高一致性 (k=0.68-1).

结论:

• 将DLAI整合到眼部查协议中是有效的,可以接触到服务不足的社区.
• 这种方法在传统医疗保健的获取有限的情况下尤为有价值.
• DLAI促进了早期检测和转诊,有助于维护视力.