深度学习驱动的玻璃眼药物瓶识别:在视力受损患者中进行的一项多语言临床验证研究

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 移动健康服务提供者

背景情况:

• 玻璃眼是导致视力丧失的主要原因,需要持续使用局部药物.
• 患有青光眼的患者经常经历视力受损,使药物管理和药物坚持复杂化.
• 准确识别青光眼药物对于有效治疗和预防疾病进展至关重要.

研究的目的:

• 临床验证基于卷积神经网络 (CNN) 的Android智能手机应用程序,用于识别局部玻璃眼药物.
• 评估应用程序的有效性在患有青光眼和视力受损的患者,包括非英语说话者.
• 评估应用程序对药物识别准确性和时间的影响.

主要方法:

• 一项非随机的前性交叉研究,涉及41名患者 (20名非英语,21名英语) 的视力敏度为20/70或更差.
• 患者在随机顺序中识别了6种局部玻璃眼药物,首先没有应用程序,然后使用应用程序.
• 在应用程序使用之前和之后进行易用性调查,以收集定性数据.

主要成果:

• 基于CNN的应用程序实现了高精度 (98.8%) 和回忆 (97.2%).
• 药物识别准确性从没有应用程序的27.6%显著提高到使用应用程序的99.2% (P < 0.001).
• 在英语和非英语群体中,准确度的提高是一致的,识别时间没有显著变化.

结论:

• 基于CNN的移动应用程序大大提高了患有眼性视力丧失的患者的局部眼药物识别准确度.
• 该应用程序是一个实用的工具,可以改善英语和非英语人口的药物坚持.
• 这项技术为患有青光眼和低视力敏度的患者的日常药物管理提供了宝贵的辅助.