开发和多中心验证人工智能驱动的模型,用于对梅博姆腺进行定量评估
Li Li1,2,3, Kunhong Xiao4, Taichen Lai3
1Centre for Eye Research Australia, Royal Victorian Eye and Ear Hospital, East Melbourne, VIC, Australia.
NPJ digital medicine
|July 4, 2025
概括
一个人工智能模型准确地分析了来自红外线的梅博姆腺图像,改善了梅博姆腺功能障碍的诊断. 这种自动化工具为定量评估提供了一种标准化和高效的方法.
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:
- 梅博米腺功能障碍 (MGD) 是一种常见的疾病,影响眼睛表面的健康.
- 对梅博姆腺体进行准确的定量评估对于诊断和管理MGD至关重要.
- 目前用于meibography图像分析的方法可以是主观的和耗时的.
研究的目的:
- 开发和验证人工智能 (AI) 驱动的模型,用于自动细分和量化评估梅博姆腺.
- 评估人工智能模型的性能与传统算法和手动评分相比.
- 评估AI工具在多个中心的可重复性和外部有效性.
主要方法:
- 一个多中心的回顾性研究,使用了1350个红外微图图像,这些图像来自Keratograph 5M设备.
- 开发和验证人工智能模型用于自动化梅博姆腺细分和量化.
- 以人工智能为基础的分析与手动腺分类和计数的比较,包括重复性评估和外部验证.
主要成果:
- 人工智能模型实现了高细分性能,在欧盟的交叉点为81.67%,准确率为97.49%.
- 在基于人工智能和手动的腺体分级 (Kappa=0.93) 和腺体计数 (Spearman r=0.9334) 之间观察到出色的一致性.
- 该模型表现出稳定性,一致的外部验证结果 (AUC>0.99),并且表现优于常规算法.
结论:
- 开发的AI工具提供了一种标准化,高效和客观的方法来分析meibography图像.
- 这种人工智能驱动的方法有可能提高梅博米腺功能障碍的诊断精度.
- 该工具可以在不同患者群体的MGD临床管理中显著帮助.
