人工智能图像分析工具量化了XLRS视网膜异形学中的分裂性囊性体积

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:

• 与X结合的视网膜分裂 (XLRS) 是一种影响视网膜的遗传性疾病.
• 准确量化视网膜瘤囊腔对于监测疾病进展和评估治疗疗效至关重要.
• 从光学一致性断层扫描 (OCT) 图像中手动细分这些空洞是耗时的,并且受观察者之间的变化影响.

研究的目的:

• 评估基于人工智能 (AI) 的深度学习算法的可行性和实用性,用于自动化XLRS患者视网膜囊腔体积的量化.
• 为了比较人工智能驱动的图像分析与传统的人工手动细分的性能.
• 评估AI量化指标作为XLRS.临床治疗试验的终点的潜力.

主要方法:

• 对利用基于人工智能的深度学习算法来分析XLRS患者的OCT视网膜图像的两项研究的综述.
• 实施人工智能分析,用于视网膜分裂腔的自动细分和量化.
• 对人工智能衍生测量的比较分析与相同的OCT图像的人工手动细分.
• 临床治疗试验的模拟,以评估AI量化的分裂体积 (ASV) 作为结构终点,与中央子场厚度 (CST) 和中央骨厚度 (CFT) 相比.

主要成果:

• 这两项研究都成功开发了独立的AI算法,能够自动化和量化视网裂腔空间.
• 以人工智能为基础的分析表明,XLRS结构形学的性能与人类细分精度相当或超过.
• 在一项模拟的临床试验中,AI量化的分裂体积 (ASV) 成为评估治疗干预措施时比CST或CFT更敏感的结构终点.

结论:

• 使用人工智能自动化XLRS患者视网膜分裂腔体积的量化是可行的.
• 基于AI的腔体体积测量为未来的XLRS治疗试验提供了可行且可能改善的结果测量方法.
• 这些发现支持将人工智能纳入X链联视网症的临床管理和研究.