以人工智能为基础的模型的表现,以诊断皮质上膜:一个系统的审查和元分析
David Mikhail1, Angel Gao2, Andrew Farah3
1From the Temerty Faculty of Medicine (D.M., A.M.), University of Toronto, Toronto, Ontario, Canada.
American journal of ophthalmology
|June 2, 2025
概括
人工智能 (AI) 模型在诊断视网膜膜 (ERM) 方面表现出高准确性,ERM是影响中央视力的疾病. 需要进一步的标准化,以适用于现实世界,并指导及时的手术干预.
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:
- 视网膜膜 (ERM) 通过在视网膜内部形成纤维层,导致中心视力受损.
- 人口老龄化预计将增加ERM的患病率,压迫临床资源.
- 人工智能工具为简化ERM诊断和改善患者治疗结果提供了潜力.
研究的目的:
- 评估人工智能模型在ERM检测中的综合诊断性能.
- 确定影响基于人工智能的ERM诊断准确性的因素.
- 评估AI在加快诊断和指导手术干预方面的潜力.
主要方法:
- 对评估人工智能用于ERM诊断的研究进行系统审查和元分析.
- 在主要数据库 (Medline,Embase,Cochrane,Web of Science) 进行搜索,直到2024年6月.
- 使用QUADAS-2进行质量评估;用于聚合准确度指标的随机效应模型.
主要成果:
- 19项研究为分析做出了贡献,主要是基于医院的研究.
- 聚合灵敏度为90.1%,聚合特异性为95.7%.
- 使用彩色底部照片的人工智能模型的特异性 (97.1%) 比OCT (92.6%) 高.
结论:
- 人工智能模型对ERM表现出强大的诊断性能.
- 有限的外部验证和方法的变异性阻碍了实际应用.
- 人工智能开发和报告的标准化对于未来的临床整合至关重要.
