评估临床数据对光盘分析中观察者间变量的影响,用于人工智能辅助眼查

科学领域:

• 眼科医生 眼科 眼科
• 医疗保健中的人工智能
• 医学成像分析 医学成像分析

背景情况:

• 准确的青光眼诊断依赖于从 fundus 照片的光盘评估.
• 为人工智能开发建立可靠的基本真相受到主观解释的挑战.
• 专家评分的观察者之间的变化可能会影响诊断结果.

研究的目的:

• 用 fundus 照片来评估光盘评估中的观察者间的变异性.
• 确定临床数据,如眼内压 (IOP) 对诊断一致性的影响.
• 评估这种变异性对人工智能驱动的玻璃眼研究的影响.

主要方法:

• 两位绿眼专家最初将70名受试者的 fundus 照片分类为正常或异常.
• 根据分类进行了推,其次是IOP测量.
• 在第二阶段,四位专家独立地对图像进行了分类,包括或没有额外的临床数据 (IOP,对侧眼).

主要成果:

• 在初步评估中,高级和初级专家之间发现了中等的协议.
• 眼内压力 (IOP) 被确定为影响转案决定的关键因素.
• 四位专家之间的协议有所不同,随着额外的临床信息的改善;光盘挖掘评估中存在显著的变化.

结论:

• 临床风险因素,包括IOP和双边数据,显著影响诊断的准确性和一致性.
• 在人工智能培训中仅仅依赖 fundus 照片是有问题的,因为观察者之间的变化.
• 整合临床信息的多模式数据集对于开发用于眼查的强大的AI模型至关重要.