人工智能在预测视神经炎亚型中的作用从眼底部照片
Étienne Bénard-Séguin1, Christopher Nielsen, Abdullah Sarhan
1Division of Ophthalmology (EB-S, AS, AA-A, AS-B, DW, SS, FC), Department of Surgery, University of Calgary, Calgary, Canada; Department of Biomedical Engineering (CN), University of Calgary, Calgary, Canada; Departments of Neurology (LBDL) and Ophthalmology (LBDL), University of Michigan, Ann Arbor, Michigan; and Department of Clinical Neurosciences (SS, FC), University of Calgary, Calgary, Canada.
概括
一个人工智能算法可以从 fundus 照片中预测光神经炎 (ON) 亚型,区分多发性硬化症 ON 和其他形式. 这有助于早期诊断,并防止非MSON病例的视力丧失.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 视神经炎 (ON) 呈现出多种不同预后的不同亚型.
- 多发性硬化ON通常有很好的恢复,与其他亚型不同.
- 及时区分ON亚型对于防止不可逆转的视力丧失至关重要.
研究的目的:
- 开发一个深度学习的人工智能 (AI) 算法.
- 仅使用 fundus 照片来预测 ON 亚型.
- 帮助早期诊断评估可疑的ON病例.
主要方法:
- 追溯分析了来自321名ON患者的1599张 fundus照片 (2007-2022年).
- 数据集分为80%的培训和20%的持久测试集,采用分层抽样.
- 人工智能模型的超参数通过5倍交叉验证进行调整.
主要成果:
- 人工智能模型实现了ROC曲线下的面积为0.83.
- 非MS ON的分类准确率为76.2%.
- 对于非MS ON分类的敏感性和特异性分别为74.2%和76.9%.
结论:
- 人工智能显示出在使用 fundus 图像来区分非MS ON 亚型和MS ON 的潜力.
- 进一步的研究将专注于扩大数据集和整合临床数据.
- 精细化的人工智能模型可以提高ON亚型的诊断准确性.
