在低资源环境中,使用人工智能对早产儿视网膜病变进行查
Anthony Ortiz1, Susana Patiño2, Jehú Torres1
1Microsoft AI for Good Lab, Redmond, Washington.
JAMA network open
|April 29, 2025
概括
使用智能手机视频的新机器学习算法可以高灵敏度地选早产婴儿的早产视网膜病变 (ROP). 这项技术可以扩大低资源地区的ROP查,防止儿童失明.
科学领域:
- 眼科医生 眼科 眼科
- 医疗技术 医疗技术 医学技术
- 人工智能的人工智能
背景情况:
- 早产视网膜病变 (ROP) 是可预防的儿童失明的主要原因.
- 早期检测和治疗至关重要,但由于对专家和设备的访问有限,在资源较少的环境中具有挑战性.
研究的目的:
- 开发和评估用于使用智能手机收集的视频进行ROP选的机器学习 (ML) 算法.
- 在资源有限的环境中评估算法在早产新生儿中识别ROP的性能.
主要方法:
- 在墨西哥和阿根廷收集了早产新生儿的智能手机视频.
- 开发了ML算法来选择高质量的,并根据ROP概率对它们进行分类.
- 性能与儿科眼科医生的分类进行了比较.
主要成果:
- 在框架 (76.7%) 和患者 (93.3%) 两种水平上,ML算法在识别ROP方面实现了高灵敏度.
- 框架选择在87.1%的视频中发现了高质量的图像.
- 虽然灵敏度高于眼科医生,但特异性和准确性较低.
结论:
- 基于智能手机的ML提供了一种成本效益高的方法,用于在服务不足的地区进行ROP选.
- 这种方法有可能显著增加对ROP查的准入,并预防儿童失明.
- 进一步细化可能会提高具体性和准确性,以匹配专家评估.
