人工智能,机器学习和深度学习模型在角膜疾病中的作用 - - 叙述性综述

科学领域:

• 眼科医生 眼科 眼科
• 医疗人工智能 医疗人工智能
• 角膜疾病 角膜疾病

背景情况:

• 角膜疾病是全球可逆失明的重要原因之一.
• 人工智能 (AI) 已经成为眼科领域的一个变革性技术.
• 人工智能在角膜子专业诊断中的应用正在迅速发展.

研究的目的:

• 审查人工智能在诊断和管理角膜疾病中的影响和整合.
• 突出AI在改善临床判断,早期诊断和角膜疾病个性化治疗方面的作用.
• 讨论人工智能在角膜子专业中的当前能力,局限性和未来潜力.

主要方法:

• 对人工智能在角膜诊断中的应用进行审查,使用像素成像技术,如灯生物显微镜,前段光学连贯断层扫描 (AS-OCT) 和体内共聚焦显微镜.
• 分析人工智能算法,包括多种疾病深度学习神经网络 (MDDN) 和卷积神经网络 (CNN).
• 评估AI模型性能指标,如曲线下的面积 (AUC) 和特定角膜疾病的诊断准确性.

主要成果:

• 人工智能显著提高了诊断准确度,用于诸如角膜炎 (高达99.3%) 和微生物角膜炎 (90.7%的细菌/真菌).
• 在从AS-OCT图像分类角膜疾病时,MDDN的AUC达到0.910.
• 整合断层扫描和视觉敏度的人工智能模型在角膜的分期中显示出高达97%的准确性.

结论:

• 人工智能在提高各种角膜疾病的诊断和预后方面显示出巨大的潜力.
• 当前的人工智能模型面临的挑战包括对二进制分类和数据质量的依赖.
• 未来的人工智能开发需要可解释性,多模式数据集成,并解决临床采用伦理方面的考虑.