人工智能在角膜疾病中的临床应用
Omar Nusair1, Hassan Asadigandomani2, Hossein Farrokhpour3
1Kittner Eye Center, Department of Ophthalmology, University of North Carolina, Chapel Hill, NC 27517, USA.
Vision (Basel, Switzerland)
|August 22, 2025
概括
人工智能 (AI) 模型显示出诊断角膜疾病的巨大潜力,例如角膜 (KC) 和Fuch内皮角膜 (FECD). 需要进一步标准化,以便在眼科护理中广泛采用.
科学领域:
- 眼科 眼科
- 医疗人工智能
- 生物医学成像
背景情况:
- 人工智能 (AI) 越来越多地被用于医学诊断.
- 角膜疾病对准确及时诊断构成重大挑战.
- 评估人工智能在诊断各种角膜疾病中的作用对于推进眼睛护理至关重要.
研究的目的:
- 评估AI模型在诊断各种角膜疾病中的临床实用性和性能.
- 确定眼科当前人工智能诊断方法的优点和局限性.
- 突出需要进一步研究和标准化的人工智能实施的领域.
主要方法:
- 系统地搜索人工智能模型来诊断角膜 (KC),Fuch内皮角膜缩 (FECD),传染性角膜炎 (IK),角膜神经病变,干眼病 (DED) 和结膜疾病.
- 提取和分析性能指标,包括灵敏度,特异性,精度和AUC.
- 根据已确定的诊断基准对人工智能模型的性能进行评估.
主要成果:
- 深度学习模型,特别是卷积神经网络,经常超过诊断基准 (AUC> 0.90,灵敏度/特异性> 0.85- 0.90).
- 使用如AS-OCT的一致成像,KC和FECD的表现最强.
- 结膜病和结膜病的模型显示出希望,但由于数据异质性和培训标准而受到限制;DED模型从多式数据中受益,但缺乏临床比较.
结论:
- 人工智能对多种角膜疾病具有很高的诊断精度,尤其是在标准化成像方面.
- 关于数据异质性,疾病定义标准化,成像和模型培训的挑战仍然存在.
- 解决这些局限性对于人工智能在眼科保健中的公平实施至关重要.
