相关实验视频
Updated: May 7, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
使用ChatGPT和自动机器学习来诊断糖尿病视网膜病变的用户友好方法
S Saeed Mohammadi1, Quan Dong Nguyen1
1Department of Ophthalmology, Byers Eye Institute, Stanford University, Palo Alto, California.
Ophthalmology science
|May 1, 2024
概括
像ChatGPT和VertexAI这样的大型语言模型可以帮助医生在医疗图像分析和机器学习模型训练中没有编码技能,用于糖尿病视网膜病变检测. 这些工具有助于预处理,数据分析和模型开发,增强诊断能力.
科学领域:
- 人工智能在医学中的应用
- 机器学习用于医学成像
- 眼科 诊断 诊断 眼科 诊断
背景情况:
- 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因,需要先进的诊断工具.
- 当前的ML工作流通常需要专门的编码专业知识,限制了医生的可访问性.
- 大型语言模型 (LLM) 和自动化ML平台为民主化这些技术提供了潜在的解决方案.
研究的目的:
- 评估ChatGPT和Vertex AI在无代码医疗图像预处理,ML模型训练和数据分析方面的功能.
- 在糖尿病视网膜病变检测和严重程度分级的背景下评估这些AI工具的实用性.
主要方法:
- 来自梅西多-2数据集的Fundus图像通过斐济软件使用CLAHE预处理,ChatGPT协助脚本生成.
- 使用Vertex AI的AutoML平台开发了两个分类模型:一个是DR存在 (二进制分类),另一个是DR严重程度.
- 聊天GPT用于生成R和Python脚本进行数据分析和直接无代码数据分析.
主要成果:
- DR严重性模型实现了精度回忆曲线 (AUPRC) 下面的面积为0.81,精度为81.81%,回忆率为72.83%.
- DR存在模型实现了0.90的AUPRC,精度和回忆率为84.48%.
- 两种模型都使用来自Messidor-2数据库的1740张图像进行训练.
结论:
- 聊天GPT和Vertex AI在使医生没有编码专业知识进行图像预处理,数据分析和ML模型培训方面显示出重大潜力.
- 这些人工智能工具可以简化糖尿病视网膜病变等疾病的诊断解决方案的开发和部署.
- 该研究强调了通过用户友好的平台在临床实践中更广泛地采用AI的途径.
