关于使用超广场成像进行糖尿病视网膜病变严重程度的定性和定量评估的级别间协议:INSPIRED研究报告1
Eleonora Riotto1, Wei-Shan Tsai1,2, Hagar Khalid1
1Moorfields Eye Hospital NHS Foundation Trust, 162 City Road, London EC1V 2PD, UK.
Diagnostics (Basel, Switzerland)
|July 29, 2025
概括
结构化的共识培训显著改善了糖尿病视网膜病变分级的准确性. 然而,视网膜非 perfusion 测量需要进一步标准化可靠的AI查.
科学领域:
- 眼科医生 眼科 眼科
- 医学成像分析 医学成像分析
- 糖尿病视网膜病变研究研究
背景情况:
- 糖尿病视网膜病变 (DR) 的分级显示出显著的级别间变异性,特别是在量化视网膜非 perfusion (RNP).
- 超广场成像提供了新的见解,但需要一致的解释.
- 为了解决这些分级差异,实施了结构化的共识会议.
研究的目的:
- 通过使用超广场成像来评估DR评估中的级别间协议.
- 在定性DR严重程度分级和定量RNP测量方面改善协议.
- 评估结构化共识会议对评级可靠性的影响.
主要方法:
- 从50只眼睛对100张图像进行比较后期分析.
- 两位研究员使用ICDR,DRSS和PPL标准对彩色 fundus 照片 (CFP) 和 fundus 光素血管图 (FFA) 进行了分级.
- 通过科恩的kappa和ICC评估Intergrader协议;使用Bland-Altman图片分析RNP变化.
主要成果:
- 在共识会议后,在DR严重程度 (kappa=91%) 和PPL分级 (kappa=89%) 上达成了优异的协议.
- 视网膜非 perfusion 指数 (NPI) 显示中度一致 (ICC=0.49),区域差异较大.
- 布兰德-阿尔特曼分析表明可以接受的,虽然可变的,RNP测量偏差和极限.
结论:
- 结构化的共识培训增强了DR严重程度和PPL的级别间协议,验证了超广场成像.
- 在RNP量化中的变量凸显了对标准化协议和自动化工具的需求.
- 提高可复制性对于开发可靠的基于AI的DR查系统至关重要.
