一个深度学习系统用于预测糖尿病视网膜病变进展的时间
Ling Dai1,2, Bin Sheng3,4, Tingli Chen5
1Shanghai Belt and Road International Joint Laboratory for Intelligent Prevention and Treatment of Metabolic Disorders, Department of Computer Science and Engineering, School of Electronic, Information, and Electrical Engineering, Shanghai Jiao Tong University, Department of Endocrinology and Metabolism, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai Diabetes Institute, Shanghai Clinical Center for Diabetes, Shanghai, China.
Nature medicine
|January 4, 2024
概括
一个新的深度学习系统,DeepDR Plus,使用心底图像预测糖尿病视网膜病变 (DR) 的进展. 这种人工智能工具可以实现个性化查间隔,降低了DR的可预防失明风险.
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:
- 糖尿病视网膜病变 (DR) 是全球可预防失明的主要原因.
- 个人对DR进展的风险是高度可变的,使个性化查复杂化.
- 目前的查间隔可能不适合所有患者.
研究的目的:
- 开发和验证一个深度学习系统 (DeepDR Plus) 以预测5年内DR进展的时间.
- 评估基于人工智能驱动的风险预测的个性化查间隔的潜力.
- 在现实世界的临床环境中评估系统的性能.
主要方法:
- 训练一个深度学习系统,使用超过70万个 fundus 图像,来自不同参与者的糖尿病患者.
- 在近3万名参与者的多民族数据集上培训和验证系统.
- 评估预测准确度,使用五年DR进展的一致性索引和集成的Brier分数.
主要成果:
- DeepDR Plus系统表现出强大的预测性能,一致性指数范围从0.754到0.846.
- 现实世界的验证显示,有可能将平均查间隔从12个月延长到31.97个月.
- 视力威胁DR进展的延迟检测是最小的0.18%.
结论:
- DeepDR Plus准确地预测了个性化风险和糖尿病视网膜病变进展的时间超过5年.
- 该系统促进了个性化查间隔,可能改善患者的治疗结果.
- 人工智能驱动的风险分层可以优化DR查协议并减少失明.
