机器学习算法的性能和限制用于糖尿病视网膜病变查及其在健康管理中的应用:元分析
Mehrsa Moannaei1, Faezeh Jadidian2, Tahereh Doustmohammadi3
1School of Medicine, Hormozgan University of Medical Sciences, Bandar Abbas, Iran.
Biomedical engineering online
|March 15, 2025
概括
机器学习和深度学习在诊断糖尿病视网膜病变方面表现有前途,实现高灵敏度和特异性. 然而,它们的辨别能力有限,需要进一步开发算法以提高诊断准确度.
科学领域:
- 眼科医生 眼科 眼科
- 医疗信息学 医疗信息学
- 人工智能的人工智能
背景情况:
- 人工智能 (AI) 和机器学习 (ML) 越来越多地用于疾病诊断.
- 在诊断糖尿病视网膜病变时,AI和ML的有效性需要彻底调查.
- 这项研究评估了AI算法的性能和局限性,用于检测糖尿病视网膜病变.
研究的目的:
- 评估机器学习和深度学习算法的性能,以检测糖尿病视网膜病变.
- 确定这些AI算法在糖尿病视网膜病变诊断中的局限性.
- 评估人工智能的潜力,以简化糖尿病视网膜病变的诊断过程.
主要方法:
- 系统审查和元分析遵循PRISMA检查清单.
- 在PubMed,Scopus和谷歌学者数据库中进行全面搜索,截至2023年9月30日.
- 数据提取和包括的研究的质量评估,随后进行元分析.
主要成果:
- 包括76项研究,共计超过130万张视网膜图像;51项研究被用于元分析.
- 分析显示,人工智能算法具有高灵敏度 (90.54%) 和特异性 (78.33%).
- 曲线下的面积 (AUC) 为0.94,表明了良好的诊断性能,尽管在研究中没有统计学上的差异.
结论:
- 人工智能和ML算法在诊断糖尿病视网膜病变方面表现出能力.
- 当前算法的辨别能力有限.
- 进一步的研究是必要的,以提高AI算法,以改善糖尿病视网膜病变的诊断.
