深度学习模型的诊断准确性用于检测巴西亚马逊地区巴塞罗斯的pterygium
Diego Casagrande1,2, Mauro Gobira1, Arthur G Fernandes2
1Instituto da Visão, Instituto Paulista de Estudos e Pesquisas em Oftalmologia, São Paulo, SP, Brazil.
Arquivos brasileiros de oftalmologia
|October 31, 2025
概括
一个深度学习模型使用亚马逊的智能手机图像准确地检测到. 这种人工智能工具对在偏远地区早期检测眼睛疾病充满希望.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 是常见的眼睛疾病,特别是在像巴西亚马逊这样的阳光明的地区.
- 在偏远或服务不足的人群中,获得专门的眼科护理可能是有限的.
研究的目的:
- 评估深度学习模型的诊断准确性,用于检测.
- 为了评估基于智能手机的前段成像,用于膜查.
- 将AI模型的性能与专家眼科医生诊断进行比较.
主要方法:
- 一项涉及巴西巴塞罗斯38名参与者 (76只眼睛) 的横截面研究.
- 由训练有素的卫生工作者通过智能手机捕获的高分辨率前部片段图像.
- 使用MobileNet-V2深度学习模型进行分析,结果与眼科医生评估进行比较.
主要成果:
- 深度学习模型实现了高诊断性能:91.43%的灵敏度,90.24%的特异性和0.91的AUC.
- 积极的预测值为88.46%,负的预测值为92.79%.
- 在pterygium和人口统计学因素 (如年龄或性别) 之间没有发现显著的关联.
结论:
- 深度学习模型显示,在偏远人群中精确检测pterygium的巨大潜力.
- 基于智能手机的AI工具可以增强早期查,并改善在服务不足地区获得眼科护理的机会.
- 这项试点研究强调了人工智能在弥合眼病医疗保健差距方面的作用.
