使用人工智能生成的血管严重性评分,改善了早产视网膜病变中的加症疾病诊断
Aaron S Coyner1, Benjamin K Young1, Susan R Ostmo1
1Casey Eye Institute, Oregon Health & Science University, Portland, Oregon.
Ophthalmology
|June 12, 2024
概括
人工智能 (AI) 血管严重性评分 (VSS) 显著改善了早产视网膜病变 (ROP) 中的加病的诊断一致性. 这种人工智能工具增强了专家的一致性和准确性,可能使ROP治疗标准化.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 早产性视网膜病变 (ROP) 诊断,特别是"加上疾病",对于及时治疗至关重要.
- 在ROP诊断中观察者间的变异性可能导致不一致的临床决定.
研究的目的:
- 评估基于AI的血管严重性评分 (VSS) 是否提高临床医生对ROP加疾病的诊断一致性.
- 评估AI-VSS对ROP加疾病诊断的准确性和可靠性的影响.
主要方法:
- 一项多读者诊断准确性研究,涉及11名ROP专家.
- 110名婴儿的 fundus 图像在 AI-VSS 的帮助下和没有 AI-VSS 的帮助下被分类.
- 使用i-ROP DL系统生成AI-VSS;诊断与参考标准诊断 (RSD) 相比较.
主要成果:
- 专家协议的加病诊断显著改善,从实质性的 (κ=0.69) 到近乎完美的 (κ=0.81) 与AI-VSS.
- 加病歧视的平均AUC从0.94增加到0.98,AUPR从0.86改善到0.95.
- AI-VSS在诊断一致性和准确性方面表现出显著的改进.
结论:
- 基于AI的VSS显著提高了ROP.plus疾病诊断的准确性和一致性.
- 实施AI-VSS可以减少观察者之间的变化,并标准化ROP的治疗方案.
- 人工智能工具在改善复杂儿科眼部疾病的临床决策方面表现有前途.
