在眼睛疾病诊断中的负责任人工智能:工作流程,外部验证和开发
Qingyu Chen1,2, Tiarnan D L Keenan3, Elvira Agron3
1National Library of Medicine, National Institutes of Health, Maryland, USA.
ArXiv
|September 19, 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. 进一步开发人工智能对于通用性和现实世界的临床采用至关重要.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 临床诊断 临床诊断 临床诊断
背景情况:
- 由于有限的临床资源和不断增加的患者负担,及时诊断疾病受到阻碍.
- 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,它面临着采用障碍.
- 在工作流集成,外部验证和AI模型开发方面的差距阻碍了医疗AI的现实世界实施.
研究的目的:
- 解决医疗人工智能的下游问责制挑战.
- 评估一个人工智能辅助的诊断和分类工作流程,用于与年龄相关的黄斑变性 (AMD).
- 通过进一步的模型开发和对各种数据集的测试来增强人工智能的通用性.
主要方法:
- 开发并评估了人工智能辅助的AMD诊断工作流程,涉及24名临床医生在四轮随机评估中比较手动诊断与人工智能辅助诊断.
- 从240个患者样本的960张图像中评估了2880个AMD风险特征.
- 将DeepSeeNet人工智能模型提升为DeepSeeNet+使用额外的美国人口数据并对三个数据集进行验证,包括来自新加坡的外部队列.
主要成果:
- 在24名临床医生中,人工智能辅助改善了23名临床医生的诊断准确度,平均F1分数增加了20% (37.71至45.52).
- 人工智能使每名患者的诊断时间减少了10.3秒,在后续一轮中持续提高了效率.
- 增强的DeepSeeNet+模型表现出更好的表现,在新加坡队列中获得了13%更高的F1得分,突出了进一步开发可通用性的重要性.
结论:
- 人工智能辅助诊断显著提高了AMD检测的准确性和效率.
- 进一步开发和验证人工智能对于确保在不同患者群体中实现通用性至关重要.
- 这项研究强调了医疗人工智能的临床评估中对下游问责制的关键需求,所有代码和模型都必须公开.
