使用多模式人工智能算法检测有视力障碍的中心参与的糖尿病黄斑胀
Tien-En Tan1, Yi Pin Ng2, Claire Calhoun3
1Singapore Eye Research Institute, Singapore National Eye Centre, Singapore; Duke-National University of Singapore Medical School, Singapore.
Ophthalmology. Retina
|April 26, 2025
概括
人工智能 (AI) 模型在检测有视力障碍的中心参与糖尿病黄斑胀 (CI-DME) 中表现出强的表现. 仅光学连贯断层扫描 (OCT) 模型就显示了与多式联络方法可比的结果,这表明了改善患者分组的潜力.
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:
- 糖尿病黄斑 (DME) 是糖尿病患者视力丧失的主要原因.
- 随着视力受损的中心参与糖尿病黄斑 (CI-DME) 的自动检测对于及时干预至关重要.
- 目前的诊断方法依赖于 fundus 照片和 OCT 扫描的专家解释.
研究的目的:
- 开发和评估人工智能 (AI) 模型,用于自动检测有视力障碍的CI-DME.
- 评估AI模型的诊断性能使用彩色底部照片 (CFP) 和光学连贯性断层扫描 (OCT) 扫描,单独和组合.
主要方法:
- 人工智能模型是使用CFP,OCT和最佳校正视敏度 (BCVA) 数据等多中心研究的汇总数据来开发的.
- 模型被训练来检测CI-DME,视力障碍 (BCVA 20/32或更差),以及具有视力障碍的CI-DME.
- 在独立测试数据集上使用接收器运行特征曲线 (AUC) 下的面积值来评估性能.
主要成果:
- 多式人工智能模型在检测视力受损的CI-DME的初级测试组中实现了0.939的AUC.
- 在外部测试中,仅用于CTN的模型显示出高性能 (AUC从0.828到0.949不等).
- 在大多数测试组中,多式联运模型的表现并没有明显优于仅用于OCT的模型.
结论:
- 人工智能模型在检测视力障碍的CI-DME方面显示出有希望的诊断性能.
- 基于OCT的AI模型提供了一个可行的替代方案,可能简化诊断工作流程.
- 需要在前性研究中进行进一步的验证,以将这些AI工具集成到临床实践中,以改善患者分拣和治疗.
