从视网膜图像中检测系统性红斑狼的深度学习系统
Tingyao Li1, Shiqun Lin2, Zhouyu Guan3
1Shanghai International Joint Laboratory of Intelligent Prevention and Treatment for Metabolic Diseases, Department of Computer Science and Engineering, School of Electronic, Information, and Electrical Engineering, Shanghai Jiao Tong University, Department of Endocrinology and Metabolism, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai Diabetes Institute, Shanghai Clinical Center for Diabetes, Shanghai, China; MOE Key Laboratory of AI, School of Electronic, Information, and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China; Institute for Proactive Healthcare, Shanghai Jiao Tong University, Shanghai, China.
一个新的AI系统DeepSLE可以通过视网膜图像检测系统性红斑狼 (SLE) 和其并发症. 这种深度学习工具显示出高精度和在不同人群中早期发现疾病的潜力.
科学领域:
- 眼科医生 眼科 眼科
- 腎臟病學 (nephrology) 是一種醫學專業.
- 类风湿病学 类风湿病学
- 人工智能的人工智能
背景情况:
- 系统性红斑狼 (SLE) 是一种复杂的自身免疫性疾病,主要影响女性,由于复杂的标准和公众意识较低,诊断具有挑战.
- 在SLE中视网膜表现可以表明疾病的活性和严重程度,为监测和诊断提供了潜在的途径.
- 目前对SLE及其并发症的查方法面临全球性挑战,需要创新的诊断方法.
研究的目的:
- 开发和验证一个深度学习系统 (DeepSLE) 用于通过视网膜图像检测SLE及其相关的视网膜和并发症.
- 评估DeepSLE在不同种族和人口群体的表现.
- 与初级保健医生相比,评估DeepSLE的临床实用性.
主要方法:
- 开发一个深度学习系统 (DeepSLE),在大量视网膜图像数据集上进行训练.
- 多民族验证使用来自中国和英国的数据集,包括247,718张图像.
- 对可解释性的定性和定量分析,以及对潜在读者进行的研究,将DeepSLE与初级保健医生进行比较.
主要成果:
- DeepSLE实现了SLE的高诊断性能,接收器运行特征曲线下的面积从0.822到0.969.
- 该系统在包括不同性别,年龄,种族和社会经济地位在内的各种子组中表现强.
- 在一项前性读者研究中,与初级保健医生相比,DeepSLE在检测SLE并发症方面表现出更高的灵敏度.
结论:
- DeepSLE提供了一个数字解决方案,用于从视网膜图像中检测SLE及其并发症,利用人工智能增强诊断能力.
- 与医生相比,该系统在不同人群中的表现及其优越的灵敏度表明了临床部署的巨大潜力.
- DeepSLE有望改善系统性红斑狼及其相关器官损伤的早期检测和管理.
