深度学习用于诊断和分类pterygium:一个系统的审查和元分析
Ethan W W Tiong1, Carine Y S Soon1, Zun Zheng Ong2
1, School of Medical Sciences, University of Manchester, UK.
Computers in biology and medicine
|July 11, 2025
概括
深度学习 (DL) 模型在检测和分类pterygium方面显示出高准确性,可能与专家眼科医生相匹配. 由于方法上的局限性,需要进一步的研究.
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:
- 深度学习 (DL) 在诊断眼睛疾病方面表现有前途.
- 使用DL诊断和分级准确度需要进一步调查.
研究的目的:
- 系统地审查和元分析DL模型的诊断准确性,以检测和严重程度评估.
- 将DL模型的性能与临床专家进行比较.
主要方法:
- 系统地搜索EMBASE,MEDLINE和临床注册表 (1974-Feb 2025) 的数据.
- 包括对人工智能算法的同行评审研究,用于pterygium诊断/分级.
- 偏差风险评估使用QUADAS-2和双变随机效应模型进行诊断准确性分析.
主要成果:
- 包括20项研究 (45,913张图像);没有外部验证数据.
- 总结对皮病诊断的敏感性/特异性:98.1% (96.4-99.1) 和99.1% (98.0-99.6).
- 对严重程度分级的总结灵敏度/特异性:91.2% (87.7-93.7) 和92.9% (88.4-95.8).
结论:
- DL模型显示出高精度的pterygium诊断和分级,与临床专家相比.
- 方法上的局限性 (缺乏外部验证,研究设计) 需要谨慎的解释.
- 未来的研究需要透明的报告,前性设计和临床翻译的外部验证.
