使用可解释的人工智能支持的光学连贯性断层扫描诊断多发性硬化症
F J Dongil-Moreno1, M Ortiz2, A Pueyo3,4
1Biomedical Engineering Group, Department of Electronics, University of Alcalá, Alcalá de Henares, Spain.
Eye (London, England)
|January 31, 2024
概括
光学连贯断层扫描 (OCT) 对视网膜结构的分析有助于早期诊断复发性复发性多发性硬化症 (RRMS). 这种由人工智能驱动的方法识别了视网膜的关键特征,提供了比传统MRI更准确,更易于解释的诊断工具.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 复发性复发性多发性硬化症 (RRMS) 诊断依赖于神经成像,但早期检测仍然具有挑战性.
- 光学连贯断层扫描 (OCT) 提供了一种非侵入性方法来评估视网膜结构,这是神经系统变化的潜在指标.
- 可解释的人工智能 (AI) 对于可靠的临床决策在诊断复杂的疾病,如RRMS至关重要.
研究的目的:
- 研究OCT衍生的视网膜参数对RRMS早期诊断的有用性.
- 开发和验证基于人工智能的分类模型,使用海上国家和地区的数据来检测RRMS.
- 为了确定特定的视网膜层和区域最能预测RRMS和功能障碍.
主要方法:
- 79名最近被诊断为RRMS患者和69名健康对照组的队列接受了OCT成像.
- 在六个区域使用后极协议分析了视网膜层厚度 (Avg) 和眼睛间差异 (Diff).
- 支持带有递归特征消除和留出一次交叉验证的向量机器 (SVM-RFE-LOOCV) 用于特征选择和分类器优化.
主要成果:
- 在SVM-RFE-LOOCV方法中,鉴定出乳头瘤束区域是对RRMS诊断最有影响力的特征.
- 在RRMS患者中,减少视网膜层厚度,增加眼间不对称性和更大的功能障碍之间发现了显著的相关性.
- 开发的分类器实现了0.86的灵敏度和0.90.9的特异性.
结论:
- 已识别的OCT特征与RRMS中已知的视网膜神经纤维和视神经头部的神经解剖学一致.
- 这种使用OCT的AI辅助诊断方法与当前的中枢神经系统MRI标准相比,显示出更高的准确性.
- 这项研究为RRMS对神经质神经系统的影响提供了新的见解,支持先进诊断系统的开发.
更多相关视频
07:08Using Optical Coherence Tomography and Optokinetic Response As Structural and Functional Visual System Readouts in Mice and Rats
Published on: January 10, 2019
10.0K
12:23Dynamic Visual Tests to Identify and Quantify Visual Damage and Repair Following Demyelination in Optic Neuritis Patients
Published on: April 14, 2014
14.1K
