相关实验视频
Updated: Jul 22, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.4K
深度学习糖尿病视网膜病变算法的表现在印度
Arthur Brant1, Preeti Singh2, Xiang Yin2
1Oregon Vision and Pharmacy LLC, Keizer.
JAMA network open
|March 19, 2025
概括
这项研究表明,自动视网膜疾病评估 (ARDA) 算法在现实临床环境中检测糖尿病视网膜病变 (DR) 和糖尿病黄斑 (DME) 时具有高准确性. 对于严重的DR检测,ARDA算法实现了超过96%的灵敏度和特异性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 公共卫生 公共卫生
背景情况:
- 前性研究已经评估了人工智能 (AI) 对糖尿病视网膜病变 (DR) 和糖尿病黄斑 (DME) 的检测,但部署后的临床性能数据有限.
- 人工智能算法的现实世界验证对于了解它们在各种临床环境中的有效性至关重要.
研究的目的:
- 在部署后的环境中评估自动视网膜疾病评估 (ARDA) 算法的临床性能.
- 为了比较ARDA算法对 fundus照片的分级与专家眼科医生对DR和DME检测的裁决.
主要方法:
- 在印度阿拉文德眼科医院使用ARDA选的患者的 fundus照片的横截面分析.
- 图像由美国眼科医生判断DR和DME,ARDA的输出与这些等级相比较.
- 分析包括DR的各个阶段的灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV).
主要成果:
- 对于严重的非扩散性DR (NPDR) 或扩散性DR (PDR),ARDA表现出高灵敏度 (97.0%) 和特异性 (96.4%).
- 该算法实现了对视力威胁性DR (STDR) 的95.9%的灵敏度和94.9%的特异性.
- 需要转诊的临床显著DR的错误率为0%,严重的NPDR/PDR的负预测值为99.9%.
结论:
- 在大规模的部署后环境中,ARDA算法在检测DR和DME方面表现出卓越的临床性能.
- 这些发现支持ARDA作为DR查的可靠工具的实用性,与算法监测的监管建议保持一致.
- 持续监测和公布AI算法性能对于确保患者安全和有效的临床整合至关重要.
