相关实验视频
Updated: Jun 9, 2025

06:52
Reconstruct Human Retinoblastoma In Vitro
Published on: October 11, 2022
1.3K
人工智能和机器学习在眼睛瘤学,视网膜母细胞瘤 (ArMOR):与多种族队列的经验
Vijitha S Vempuluru1, Rajiv Viriyala1, Virinchi Ayyagari1
1The Operation Eyesight Universal Institute for Eye Cancer, LV Prasad Eye Institute, Hyderabad 500034, India.
Cancers
|October 26, 2024
概括
检测视网膜母细胞瘤 (RB) 的AI模型需要种族特定的再培训. 重新训练改善了不同种族群体的AI性能,确保准确检测和分类眼内RB.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 种族健康差异的差异
背景情况:
- 黑色素度的种族差异对基底图像分析产生影响.
- 现有的AI/ML模型可能会在不同种族之间显示性能差异.
- 这项研究解决了眼科中对种族意识人工智能的需求.
研究的目的:
- 评估AI模型在检测和分类眼内视网膜母细胞瘤 (iRB) 的表现,跨多种族队列.
- 为了确定种族特定的再培训是否提高了iRB检测的AI模型准确性.
- 评估黑色素度变化对AI性能的影响.
主要方法:
- 追溯观察性研究设计.
- 利用了跨越不同种族群体 (白人,非裔美国人,亚洲人,西班牙裔) 的210只眼睛的数据集.
- 训练和评估AI模型用于iRB检测和分类,有或没有种族特定调整.
主要成果:
- 在重新训练后,AI模型在所有种族中实现了93%的灵敏度和96%的特异性,用于iRB检测.
- 当模型不是特定于比赛时,性能会有显著的变化.
- 种族特定的再培训在不同种族群体中表现出高度的敏感性和特异性.
结论:
- 在单个种族队列上训练的AI模型在其他种族中表现不佳.
- 用种族特定数据重新训练AI模型对于准确的iRB检测和分类至关重要.
- 这种方法减轻了由 fundus 图像中的种族差异引起的性能偏差.

