评估视网膜血管细分指标在临床环境中对再测试可靠性的影响:使用AutoMorph进行比较分析
Samuel D Giesser1,2, Ferhat Turgut1,2,3,4, Amr Saad1,2
1Department of Ophthalmology, Stadtspital Zürich, Zurich, Switzerland.
Investigative ophthalmology & visual science
|November 14, 2024
概括
从AI fundus摄影中获得的视网膜生物标志物的可靠性有很大的差异. 图像质量适度预测一致性,这表明需要进一步研究可靠的AI应用在眼睛疾病.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 生物医学成像技术 生物医学成像技术
背景情况:
- 来自 fundus 摄影的基于人工智能 (AI) 的生物标志物显示不一致的结果.
- 对这些生物标志物的临床应用来说,评估测试重复测试的可靠性至关重要.
研究的目的:
- 使用人工智能评估和预测从 fundus 摄影中得出的视网膜参数的测试-重新测试可靠性.
- 确定影响人工智能提取的视网膜生物标志物的可靠性的因素.
主要方法:
- 研究了两个患者组 (间访,n=28;内访,n=44).
- 使用AutoMorph生成视网膜参数和血管细分图.
- 使用斯皮尔曼相关性,类内相关系数 (ICC) 和百分比变化来分析可靠性. 一个线性模型根据图像质量指标 (对比度和噪声比,分形维度) 预测了可靠性.
主要成果:
- 重试可靠性在各个指标上有很大的差异 (斯皮尔曼:0.34-0.99,ICC:0.31-0.99).
- 访问内可靠性通常比访问间可靠性更好 (P < 0.001).
- 使用对比度与噪声比率和碎形维度的线性模型预测了验证数据集中的R2=0.53的中位数重试可靠性.
结论:
- 在基于AI的视网膜生物标志物的再测试可靠性存在显著的变化.
- 图像质量指标适度预测重新测试可靠性,但需要进一步调查.
- 提高生物标志物的可靠性可以实现更好的疾病进展建模和个性化治疗.
