人工智能可以在 Fundus 照片上区分儿科伪 papilledema 和真 papilledema
Melinda Y Chang1,2, Gena Heidary3,4, Shannon Beres5
1Division of Ophthalmology, Children's Hospital Los Angeles, Los Angeles, California.
Ophthalmology science
|April 29, 2024
概括
一个人工智能 (AI) 模型在从 fundus 照片中检测儿科 papilledema 中表现出高灵敏度,超过了人类专家. 这种人工智能工具显示出对需要进一步评估严重神经疾病的儿童进行分组的前景.
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:
- 在儿童中,区分真实 papilledema 和伪 papilledema 对于及时诊断和管理严重的潜在疾病至关重要.
- 底摄影是一种关键的诊断工具,但解释可能具有挑战性.
研究的目的:
- 开发和验证人工智能 (AI) 模型,以使用 fundus 照片区分儿科伪 papilledema 和真 papilledema.
主要方法:
- 一项回顾性研究涉及851张来自235名儿童的底部照片.
- 一个利用DenseNet骨干和三分支卷积神经网络的人工智能模型被训练和验证.
- 模型的表现与两个蒙面的儿科神经眼科医生进行了比较,使用了10倍交叉验证和外部测试集.
主要成果:
- 人工智能模型在外部测试组上实现了0.81的接收器操作曲线下的面积.
- 人工智能模型的灵敏度为90.4%,明显高于人类专家 (P = 0.0002).
- 与人类专家相比,AI在检测轻度 papilledema 方面表现出更高的灵敏度.
结论:
- 人工智能模型在检测儿科 papilledema 时显示出高灵敏度 (>90%),超过了人类专家的性能.
- 人工智能的高灵敏度和低假阴性率表明,它在对疑似乳腺瘤儿童进行分类时具有实用性.
- 这种人工智能工具可以帮助识别需要进一步处理可能严重的神经疾病的儿童.
