在nAMD中使用AI细分来自动测量斑点新血管化病变大小

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 神经血管与年龄相关的黄斑退化 (nAMD) 是导致视力丧失的主要原因.
• 精确监测病变进展对于有效的nAMD管理至关重要.
• 光学连贯断层扫描 (OCT) 是对nAMD评估的关键成像方式.

研究的目的:

• 将基于AI的超反射材料 (HRM) 标注与手动黄斑新血管化 (MNV) 划界在nAMD中的OCT扫描上进行比较.
• 评估AI驱动的OCT细分对于在nAMD中纵向病变监测的适用性.

主要方法:

• 纵向光谱域OCT数据的回顾性分析,来自42只眼睛的排泄性nAMD.
• 人工智能预测的人力资源管理细分的比较 (3D nU-Net模型) 与手动的MNV划界 (基本真相).
• 随着时间的推移量化HRM和MNV病变区域,并使用相关性和回归分析评估一致性.

主要成果:

• 在AI预测的HRM和手动MNV测量之间观察到高度相似的平均病变增长.
• 人工智能和手动测量之间具有强烈的整体相关性 (r=0.78),随着随访时间的延长而增加.
• 在基线上,AI过高估计 (包括下液) 和手动低估 (薄HRM) 已被注意到,但没有显著影响纵向可比性.

结论:

• 基于AI的OCT人力资源管理细分显示出与nAMD中手动MNV测量有很强的一致性,特别是在纵向评估中.
• 人工智能驱动的OCT细分适合随时间的推移监测nAMD病变的进展.
• 尽管存在小差异,但人工智能和手工方法为nAMD病变监测提供了高度可比的测量结果.