人工智能工作流程,外部验证和眼睛疾病诊断的发展
Qingyu Chen1,2, Tiarnan D L Keenan3, Elvira Agron3
1National Library of Medicine, National Institutes of Health, Bethesda, Maryland.
JAMA network open
|July 16, 2025
概括
人工智能 (AI) 在诊断与年龄相关的黄斑变性 (AMD) 中显著提高了准确性和效率. 进一步开发对于人工智能的通用性和临床采用至关重要,强调下游问责制.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 诊断成像 诊断成像 诊断成像
背景情况:
- 及时诊断疾病受到有限的临床资源和不断增加的患者负担的阻碍.
- 人工智能 (AI) 证明了专家级的诊断准确性,但由于缺乏下游问责制,包括工作流集成和外部验证,因此面临采用障碍.
研究的目的:
- 解决医疗AI下游问责制的挑战.
- 评估人工智能辅助的工作流程,用于诊断和分类与年龄相关的黄斑变性 (AMD).
主要方法:
- 一项涉及12所机构24名临床医生的诊断研究评估了人工智能辅助的AMD诊断和分类.
- 四轮随机测试将手动诊断与人工智能辅助诊断进行比较,使用960张图像.
- DeepSeeNet人工智能模型被增强为DeepSeeNet+并对3个数据集进行验证,其中包括来自新加坡的外部队列.
主要成果:
- 在24名临床医生中,人工智能辅助显著提高了23名临床医生的诊断准确度,增加了平均F1分数.
- 人工智能辅助诊断每位患者的诊断时间平均减少了6.9到8.6秒.
- 与原始模型相比,增强的DeepSeeNet+模型在外部数据集上获得了更高的F1得分,新加坡队列的平均F1得分为38.95.
结论:
- 人工智能辅助提高了AMD诊断的准确性和效率,支持临床工作流程.
- 进一步开发人工智能是必要的,以提高跨不同人群的概括性.
- 这项研究强调了下游问责制在医疗人工智能工具早期临床评估中的重要性.
