使用视网膜照片开发深度组合以选自闭症和症状严重程度
Jae Han Kim1, JaeSeong Hong2, Hangnyoung Choi3,4
1Yonsei University College of Medicine, Severance Hospital, Yonsei University Health System, Seoul, Republic of Korea.
JAMA network open
|December 15, 2023
概括
视网膜照片显示出作为自闭症谱系障碍 (ASD) 和症状严重性的客观查工具的希望. 这种人工智能驱动的方法可以改善ASD儿童及时评估的机会.
科学领域:
- 眼科医生 眼科 眼科
- 神经发育障碍 神经发育障碍
- 人工智能的人工智能
背景情况:
- 自闭症谱系障碍 (ASD) 查受到资源限制和需要专门专业人员的限制.
- 患有自闭症的个体的视网膜结构变化可能反映出潜在的大脑变化.
- 深度学习算法的潜力用于使用视网膜图像的客观ASD查尚未被探索.
研究的目的:
- 开发和验证使用视网膜照片的深度组合模型,以区分患有自闭症的人与典型发育 (TD) 的人.
- 评估模型区分严重和轻度至中度ASD症状严重性的能力.
主要方法:
- 一项使用5个预训练的ResNeXt-50模型深度组合的诊断研究,具有10倍的交叉验证.
- 分析了958名参与者的视网膜照片 (479名ASD,479名TD).
- 使用分数加权的视觉解释和渐进式删除技术实现了模型的解释性.
主要成果:
- 这些模型实现了ASD查的1.00的接收器操作特征曲线 (AUROC) 下的完美面积.
- 观察到高灵敏度和特异性用于ASD检测,即使有有限的图像数据 (仅光盘).
- 对于症状严重程度,模型显示AUROC为0.74,灵敏度为0.58和特异性为0.74.
结论:
- 通过深度学习模型分析的视网膜照片代表了ASD查的潜在客观工具.
- 这项技术可以加快ASD查过程,提高关键诊断服务的可访问性.
- 进一步的研究可能会验证视网膜成像作为评估ASD症状严重程度的非侵入性方法.
