基于人工智能的检测,在标准 fundus 照片上在 4.5 小时内检测中央视网膜动脉封闭
Ayse Gungor1,2,3, Ilias Sarbout1,2,3, Aubrey L Gilbert4
1Department of Neuro-Ophthalmology Rothschild Foundation Hospital Paris France.
Journal of the American Heart Association
|June 27, 2025
概括
一个新的深度学习系统从视网膜图像中准确地检测急性中枢视网膜动脉封闭 (CRAO),使治疗和中风预防更快. 这种人工智能工具在改善患者选择时间敏感疗法方面表现有前途.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 脑卒中医学 脑卒中医学
背景情况:
- 迅速诊断急性视网膜中枢动脉封闭 (CRAO) 对于治疗和预防中风至关重要.
- 脑卒中中心往往缺乏眼科专业知识,无法在纤维解药治疗前评估潜在的CRAO.
- 这项研究解决了快速CRAO检测的需要,以促进及时干预.
研究的目的:
- 开发,培训和验证一种深度学习系统,用于检测视网膜底部照片上的过敏CRAO.
- 评估系统在4.5小时治疗窗口和视力损失后24小时内的性能.
- 通过更快的诊断,帮助预防中风.
主要方法:
- 这是一项回顾性,横截面研究,利用9个国际神经眼科中心的771名患者的1322张彩色眼底照片.
- 该数据集包括患有CRAO,中枢视网膜静脉封闭,非动脉炎前部缺血性视神经病变的患者,以及健康的对照.
- 在1039张照片上训练了一个深度学习系统,并在两个不同的数据集上进行了测试:超急性CRAO和24小时内CRAO.
主要成果:
- 深度学习系统实现了CRAO检测的高诊断精度,AUC为0.96.
- 对于检测超急性CRAO,灵敏度为92.6%,特异性为85.0%,在24小时内具有类似的性能.
- 人工智能系统在测试数据子集上的超急性CRAO识别方面超过了中风神经病学家.
结论:
- 一个深度学习系统在临床上相关的时间框架内从视网膜图像中准确检测过敏CRAO的能力.
- 这种人工智能工具有潜力提高患者对纤维素分析疗法的选择,并改善二次中风预防策略.
- 对此类人工智能系统的进一步验证可能会对紧急中风护理协议产生重大影响.
