预测底部图像中的系统性疾病:深度学习研究中的设置,报告,偏差和模型临床可用性的系统性审查
Yitong Li1, Ruiheng Zhang1, Li Dong1
1Beijing Tongren Eye Center, Beijing Key Laboratory of Intraocular Tumor Diagnosis and Treatment, Beijing Ophthalmology & Visual Sciences Key Lab, Medical Artificial Intelligence Research and Verification Key Laboratory of the Ministry of Industry and Information Technology, Beijing Tongren Hospital, Capital Medical University, Beijing, China.
Eye (London, England)
|January 18, 2024
概括
使用 fundus 图像进行深度学习显示出疾病预测的前景. 然而,大多数研究具有高偏差风险,缺乏临床应用,需要改进方法.
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:
- 对 fundus 图像的深度学习分析为系统性疾病查提供了潜力.
- 目前的研究质量不稳定,缺乏系统的评估.
研究的目的:
- 系统地审查使用基底图像和深度学习预测系统参数的研究.
- 评估研究绩效,并为临床转化提供建议.
主要方法:
- 系统地搜索MEDLINE和EMBASE数据库,直到2023年8月.
- 包括使用深度学习和基金图像进行系统参数预测的研究.
- 评估研究特征,透明报告 (TRIPOD) 和偏见风险 (PROBAST).
主要成果:
- 包括31项研究,预测糖尿病,性别和年龄等疾病.
- 大多数研究集中在发达国家,对样本规模和数据处理的报告不足.
- 发现存在高偏差风险 (96.8%),前性外部验证和校准有限.
- 很少有模型被应用到设备上,没有一个模型达到临床应用.
结论:
- 使用 fundus 图像进行深度学习,对预测系统状况具有重大潜力.
- 改进方法和临床应用对于实现这一潜力至关重要.
