使用Phoenix ICON视网膜图像对早产查视网膜病变的基于人工智能的模型进行外部验证
Lizanne A Derks1, Y Selim Tekin1, Sjoukje E Loudon1
1Department of Ophthalmology, Erasmus University Medical Center, Rotterdam, The Netherlands.
概括
在RetCam图像上训练的AI算法在使用Phoenix ICON摄像头检测严重的早产视网膜病变 (ROP) 中显示出高性能. 这项技术有助于对婴儿进行自主ROP查.
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:
- 早产视网膜病变 (ROP) 是儿童失明的主要原因.
- 早期发现和治疗ROP对于预防视力丧失至关重要.
- 人工智能 (AI) 提供了自动化ROP选的潜力.
研究的目的:
- 评估人工智能算法的性能,以实现自主ROP检测.
- 通过城ICON摄像机的视网膜图像来评估算法.
- 将性能与RetCam系统之前的结果进行比较.
主要方法:
- 人工智能算法的追溯外部验证.
- 使用了荷兰婴儿队列 (2021) 的城ICON视网膜图像.
- 使用AUPRC,灵敏度和特异性对超过轻度的ROP (MTM-ROP) 和1型ROP进行评估性能.
主要成果:
- 人工智能算法实现了MTM-ROP的AUPRC值为0.911,而1型ROP的AUPRC值为0.983.
- 对于MTM-ROP的灵敏度为82.0%,对于1型ROP的灵敏度为100.0%.
- 对MTM-ROP的特异性为77.0%,对1型ROP的特异性为72.4%.
结论:
- 人工智能算法表现出与Phoenix ICON摄像机和RetCam.相似的性能.
- 该算法成功识别了所有患有需要治疗的1型ROP的婴儿.
- 需要优化成像协议与较小的视野摄像机的需求被突出.
