从临床视频中对眼动力障碍进行人工智能诊断
David Mikhail1, Michael Balas, Jonathan A Micieli
1Temerty Faculty of Medicine (DM), University of Toronto, Toronto, Canada; Department of Ophthalmology and Vision Sciences (MB, JAM), University of Toronto, Toronto, Canada; Division of Neurology (JAM), Department of Medicine, St. Michael's Hospital, University of Toronto, Toronto, Canada; Kensington Vision and Research Centre (JAM), Toronto, Canada; Department of Ophthalmology (JAM), St. Michael's Hospital, Unity Health, Toronto, Canada; and Department of Ophthalmology (JAM), Toronto Western Hospital, University Health Network, Toronto, Canada.
概括
双子座2.0显示在视频中检测眼外运动 (EOM) 障碍的可行性,但诊断准确性有限. 在临床使用前需要进一步验证EOM异常.
科学领域:
- 眼科 眼科
- 人工智能
- 医学成像
背景情况:
- 多式人工智能模型正在推进视频分析能力.
- 自动检测眼外运动障碍 (EOM) 是眼科中的新兴应用.
- 这项研究探讨了双子座2.0在临床视频中识别EOM异常的潜力.
研究的目的:
- 评估双子座2.0在识别EOM异常方面的可行性.
- 评估人工智能能够确定受影响的眼睛和特定的运动限制.
- 用现实世界的临床视频分析各种EOM疾病的表现.
主要方法:
- 分析了144个关于情绪发作障碍的YouTube视频和15个对照视频.
- 视频被修剪为相关的临床检查, 删除了音频.
- 双子座2.0使用谷歌人工智能工作室平台的零拍摄提示分析视频.
主要成果:
- 双子座2. 0的整体诊断准确率达到37. 7%.
- 在第三神经麻 (81.1%) 和内核眼 (80. 0%) 中,准确度最高.
- 当诊断正确时,侧面性和运动限制的正确识别得到了显著改善.
结论:
- 双子座2. 0显示了在临床视频中自动识别EOM异常的可行性.
- 目前的诊断准确性有限,特别是在较不明显的病例中.
- 使用标准化,临床医生注释的数据集进行广泛的验证对于临床应用至关重要.
