人工智能辅助输血密度作为查糖尿病脏病的生物标志物
Xiao Xie1,2,3, Wenqi Wang4, Hongyan Wang1,2,3
1Eye Institute of Shandong First Medical University, Eye Hospital of Shandong First Medical University (Shandong Eye Hospital), Jinan, China.
Translational vision science & technology
|October 10, 2024
概括
人工智能辅助的超广场扫描源光学连贯断层扫描血管学 (AI辅助的UWF SS-OCTA) 确定了视网膜 perfusion 密度作为糖尿病病 (DN) 查的可靠生物标志物. 这种非侵入性方法对糖尿病患者早期DN检测有希望.
科学领域:
- 眼科医生 眼科 眼科
- 腎臟病學 (nephrology) 是一種醫學專業.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 糖尿病病 (DN) 是2型糖尿病 (T2DM) 的一个主要并发症.
- 早期发现DN对于有效管理和预防损伤至关重要.
- 目前的查方法可能具有侵入性或缺乏对早期疾病的敏感性.
研究的目的:
- 用人工智能 (AI) 辅助的超广场扫描源光学连贯断层扫描血管学 (UWF SS-OCTA) 识别可靠的生物标志物来查糖尿病病 (DN).
- 评估视网膜微血管变化与T2DM患者的DN之间的相关性.
主要方法:
- 分析了169名2型糖尿病患者 (287只眼睛) 的数据,包括人口统计,临床和UWF SS-OCTA成像数据.
- 应用统计分析,十倍交叉验证和随机森林方法来处理数据.
- 视网膜微血管的定量评估,特别是 perfusion 密度 (PD).
主要成果:
- 在患有DN的糖尿病视网膜病变 (DR) 患者中,与没有DN的患者相比,观察到显著的视网膜微血管损伤.
- 在T2DM和DR群体中,降低 perfusion density (PD) 和DN诊断之间发现了强烈的关联 (P < 0.001).
- 随机森林模型实现了高分类准确度 (85.84%的T2DM, 82.57%的DR) 在识别DN患者基于PD.
结论:
- 使用UWF SS-OCTA进行的定量微血管分析与DN存在相关.
- 超广场 perfusion 密度 (UWF PD) 显示出作为通过深度学习进行 DN 评估的显著,非侵入性生物标志物的潜力.
- 人工智能辅助的UWF SS-OCTA提供了一个快速可靠的DN查工具.
更多相关视频
05:17A Reproducible Computerized Method for Quantitation of Capillary Density using Nailfold Capillaroscopy
Published on: October 27, 2015
8.9K
10:37Comparative Proteomic Analysis of Whole Kidney, Medulla, and Cortical Tubules in Diabetic Pathogenesis of Kidney Injury in Mice
Published on: May 2, 2025
100
