人工智能驱动的眼球暴露率 (EER) 分析:用于评估死手术有效性的有用工具
Byungchul Lee1, Lianji Xu2, Sang-Ha Oh1,3,4
1Department of Plastic and Reconstructive Surgery, Chungnam National University Hospital, Daejeon, South Korea.
PloS one
|March 25, 2025
概括
以人工智能为基础的眼球暴露率 (EER) 分析对于瘤手术的可靠性与手工方法一样高. 这种人工智能工具提供了有效和客观的结果评估,改善了临床评估.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 像边缘反射距离 (MRD) 和眼裂隙高度 (PFH) 这样的传统死手术结果指标是有限的.
- 眼球暴露率 (EER) 提供了对手术结果的更全面的二维评估.
研究的目的:
- 为了比较基于人工智能的EER测量的准确性和一致性,与传统的ImageJ方法进行ptosis手术结果评估.
- 评估人工智能工具的可靠性和效率,以分析肺瘤手术的结果.
主要方法:
- 使用手动ImageJ和AI工具 (Anigma-View) 来分析50名患者100只眼睛的术前和术后图像.
- 使用类内相关系数 (ICC) 和Bland-Altman图表进行统计比较,以评估一致性和可重复性.
主要成果:
- 基于AI的EER测量显示出与手动ImageJ方法 (ICCs 0.984-0.994) 的良好一致性.
- 人工智能工具显示出高可重现性 (ICC=1) 和与手工测量相比的手术前和手术后EER值.
- 与轻度病例 (14.39%) 相比,在中度至重度的死病例 (45.94%) 中观察到更大的EER改善.
结论:
- 以人工智能为基础的EER分析是准确的,高效的,可靠的,可以与手工方法相比较,用于评估死手术的结果.
- 人工智能工具提供客观性和效率,使其成为临床实践中手术结果评估的宝贵补充.
- 未来的研究可能会探索AI在评估3D变化方面的潜力,以进行增强的形手术评估.
