人工智能驱动的糖尿病视网膜病查在公共卫生机构的现实世界评估:验证和实施研究

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 公共卫生 公共卫生

背景情况:

• 人工智能 (AI) 算法可以显著减少糖尿病视网膜病变 (DR) 查在公共卫生中的工作量.
• 在现实世界临床环境中应用AI诊断性能存在挑战.

研究的目的:

• 评估人工智能算法的技术可行性和诊断性能,用于在门诊公共卫生机构的DR查.
• 评估验证的AI算法的集成到低成本的选摄像头中,以便在现实世界中部署.

主要方法:

• 五家人工智能公司被邀请使用非水 fundus 摄像头评估他们的 DR 选算法.
• 算法在250名糖尿病患者的 fundus 图像上进行了前性验证.
• 性能最好的AI算法被集成到社区卫生中心的查摄像头中,以进一步分析343名患者.

主要成果:

• 五家人工智能公司中有三家参与;诊断性能各不相同,灵敏度在60%至80%之间,特异性在14%至96%之间.
• 选择的AI算法 (AI-3) 实现了68%的灵敏度,96%的特异性和88.43%的准确性.
• 综合人工智能系统在社区卫生中心展示了高分级性 (99.5%),DR检测 (99.6%) 和转诊率 (79%).

结论:

• 对人工智能算法的系统验证对于负责任的临床整合至关重要.
• 人工智能驱动的DR查具有显著的潜力,可以改善资源有限的公共卫生机构的医疗保健服务.