ACM-Assessor:一种用于评估超声波生物显微镜角度关闭机制的人工智能系统

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 主要闭角光眼 (PACG) 涉及潜伏性进展,需要精确的机制评估才能进行有效的治疗.
• 超声波生物显微镜 (UBM) 对于评估角度关闭 (AC) 机制至关重要.

研究的目的:

• 开发和验证一个人工智能 (AI) 系统,ACM-Assessor,用于UBM图像中的自动化AC机制评估.
• 评估系统的诊断准确性及其在协助眼科医生,特别是初学者中的实用性.

主要方法:

• 追溯收集了来自1160名患者的8482张UBM图像.
• 开发人工智能模型用于UBM图像处理,细分和AC机制的分类 (瞳孔块,厚的外围虹膜,前部位于的纤毛体).
• 外部验证和人机比较测试.

主要成果:

• ACM-Assessor取得了很高的准确性:0.924 (瞳孔块),0.925 (厚的外围虹膜),0.947 (位于前面的纤毛体),以及0.839的综合评估.
• 人工智能系统的性能与专家眼科医生 (p>0.05) 的性能相当.
• 新手的评估准确性在人工智能协助下显著提高 (0.117对二进制,0.219对综合分类).

结论:

• 通过UBM成像,ACM-Assessor在评估PACG机制方面表现出专家级准确性.
• 人工智能系统可以增强诊断能力,并改善UBM分析初学者的学习曲线.
• 这项技术有可能改善PACG的诊断和治疗计划.