在一个种族多样化的数据集上训练的AI算法的评估,以选以前看不见的糖尿病视网膜病变人口
Divya P Rao1, Florian M Savoy2, Anand Sivaraman3
1AL& ML, Remidio Innovative Solutions, Inc, Glen Allen, USA.
Indian journal of ophthalmology
|July 30, 2024
概括
这项研究验证了亚美尼亚糖尿病视网膜病变查的AI算法,显示了可转移的糖尿病视网膜病变 (RDR) 检测的高准确性. 这种基于智能手机的工具在不同的人群中显示出有效的普遍性.
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:
- 糖尿病视网膜病变 (DR) 是全球视力损失的主要原因.
- 早期查对于预防严重的视力障碍至关重要.
- 人工智能为可访问和高效的DR查提供了潜力.
研究的目的:
- 评估Medios AI-DR算法的可通用性,用于亚美尼亚人口中查可指导糖尿病视网膜病变 (RDR).
- 评估离线,基于智能手机的AI算法的性能,在其开发队伍之外的现实世界临床环境中.
主要方法:
- 在多样化的数据集上训练的Medios AI-DR算法在亚美尼亚的多诊所的智能手机基底摄像头上部署.
- 从550名糖尿病患者的视网膜图像中分析了RDR和视力威胁DR (STDR).
- 人工智能输出与使用国际临床糖尿病视网膜病变严重程度尺度的专家评级进行了比较.
主要成果:
- 该算法在478个分析对象中实现了95.30%的灵敏度和83.89%的RDR检测特异性.
- 在检测视力威胁性DR (STDR) 时,观察到100%的灵敏度.
- 人工智能在被研究的亚美尼亚人群中表现出高分类准确度.
结论:
- 媒体AI-DR算法对于在亚美尼亚人口中选RDR是准确的.
- 这种基于智能手机的离线人工智能模型是第一个在不同人群中得到验证的模型.
- 这些发现支持在各种族群和环境中使用AI进行DR查.
