通过使用人工智能从 fundus 照片中使用 Spectacle 校正估计视觉敏度
Ashley Zhou1,2, Zhuolin Li1, William Paul3
1Department of Ophthalmology, Johns Hopkins University School of Medicine, Baltimore, Maryland.
JAMA network open
|January 10, 2025
概括
人工智能 (AI) 从糖尿病黄斑 (DME) 患者的 fundus 图像中估计了眼镜校正的视力敏度 (VA). 人工智能在VA 20/80或更好的情况下达到1至1.5行内的准确性,支持其在诊所之外的使用.
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:
- 精确的眼镜校正视敏度 (VA) 对于管理糖尿病黄斑 (DME) 等眼科疾病至关重要.
- 目前的方法需要训练有素的技术人员,增加成本和访问时间.
- 人工智能为远程或自动VA评估提供了一个潜在的解决方案.
研究的目的:
- 评估验证的人工智能 (AI) 算法的准确性,以估计患有糖尿病黄斑 (DME) 患者的眼镜校正视敏度 (VA) 的 fundus 照片.
- 评估在临床实践环境中使用AI用于VA估计的可行性.
主要方法:
- 对141名患有DME的患者的非识别性 fundus 照片进行了回顾性横截面研究.
- 眼球图像与技术人员测量的眼镜校正VA从眼睛图表相匹配.
- 以前经过验证的AI算法被用于从 fundus 图像中估计VA.
主要成果:
- 人工智能算法显示,VA的平均绝对误差 (MAE) 在10/20和20/20之间为1.16至1.92行,VA在25/20和20/80之间为1.42至1.44行.
- 对于VA 20/80或更好的患者,准确度大约在1至1.5行之内.
- 分析仅限于VA 20/100或更差的图像.
结论:
- 人工智能对 fundus 照片的评估可以准确地估计DME患者的眼镜校正VA,视力敏度为20/80或更好.
- 这项技术有望在传统临床环境之外促进VA监测,从而降低成本并提高可访问性.
- 对于视力敏度非常低的患者,需要进一步的研究.
