基于人工智能的查眼及其危险因素:与四个经典立体视测试进行比较
Zsófia Csizek1,2, Eszter Mikó-Baráth1,2, Anna Budai1
1Institute of Physiology, Medical School, University of Pécs, Pécs, Hungary.
Frontiers in medicine
|January 10, 2024
概括
一个结合非立体急性视觉测试的人工智能 (AI) 模型在检测眼盲及其危险因素方面表现出卓越的表现. 这种人工智能方法为儿科眼科提供了更灵敏,更具成本效益的查替代方案.
科学领域:
- 儿科眼科 儿科眼科
- 视力查视力查
- 医疗保健中的人工智能
背景情况:
- 眼 (惰眼) 和其危险因素 (眼,折射错误) 需要早期检测才能进行有效的干预.
- 目前的视力查方法在成本效益和灵敏度上有所不同,突出显示了需要改进诊断工具的需要.
- 将人工智能 (AI) 与非立体急性测试相结合,为增强儿科视力查提供了一种新的方法.
研究的目的:
- 为了比较各种视力查测试对眼和其危险因素的分类性能.
- 评估人工智能模型的有效性,将非立体急性测试作为替代视力查方法.
- 为了确定人工智能驱动的选是否可以提供比传统测试更敏感和更具成本效益的解决方案.
主要方法:
- 一项横截面诊断测试评估,涉及西班牙和匈牙利的423名年龄在3.6-14岁的儿童.
- 基于立体急性测试 (Lang II,TNO,立体飞行,弗里斯比) 与使用非立体急性测试 (随机点立体图) 的AI模型进行比较.
- 统计分析包括灵敏度,特异性和ROC曲线下的面积 (AUC),灵敏度是主要终点.
主要成果:
- 与大多数经典测试相比,AI组合的非立体急性测试实现了显著更高的AUC (0.908) 检测野视和危险因素.
- 人工智能解决方案的灵敏度明显高于TNO和其他测试方法,具有相似的特异性.
- 整合多个非立体急性测试的AI模型被证明是评估的最先进和最敏感的查方法.
结论:
- 结合非立体急性视力测试的AI模型为儿科视力查提供了高度敏感和潜在的成本效益替代方案.
- 这种以人工智能为驱动的方法在改善眼和相关风险因素的早期检测方面表现有前途.
- 在视力查中进一步实施AI可以提高儿科眼科的诊断准确性和可访问性.
