手持式深度学习工具的临床验证,用于识别青光眼的药物治疗

科学领域:

• 眼科医生 眼科 眼科
• 医疗技术 医疗技术 医学技术
• 人工智能的人工智能

背景情况:

• 青光眼的管理需要准确识别局部药物.
• 视力受损可能会阻碍药物识别,可能导致不坚持和视力丧失.
• 智能手机应用程序提供了一个潜在的工具,以帮助患者在药物管理.

研究的目的:

• 为了验证基于卷积神经网络 (CNN) 的智能手机应用程序,用于识别青光眼药物.
• 评估应用程序在正常和视力受损的患者中的有效性.

主要方法:

• 包括68名至少一只眼睛视力敏度 (VA) 为20/70或更差的患者.
• 试验对象在使用或不使用基于CNN的应用程序时识别了六种局部玻璃眼药物.
• 药物识别准确性,时间和用户报告的易用性是主要结果.

主要成果:

• 使用CNN显著提高了药物识别准确性 (OR = 12.005,P < 0.001) 和减少了识别时间 (OR = 0.007,P < 0.001).
• 该应用程序在患有青光眼或VA <20/70的患者中提高了准确性.
• 使用CNN与使用方便有积极的关联 (X2(1) = 66.117,P < 0.001).

结论:

• 基于CNN的智能手机应用程序有效地改进了对玻璃眼的眼滴识别.
• 这种工具可以在门诊环境中使用,以提高药物坚持.
• 该应用程序有潜力避免可预防的视力损失在绿眼病患者.