开发和临床验证基于智能手机的白内障检测和分类的轻量级多模式机器学习模型

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:

• 白内障是全球失明的主要原因,影响超过1亿人.
• 低收入和中等收入国家的眼科医生受限,阻碍了及时诊断和治疗.
• 可访问的查工具对于早期检测和干预至关重要.

研究的目的:

• 开发和评估基于智能手机的白内障分类的轻量级多式机器学习模型.
• 为了在资源有限的环境中实现可访问和立即的白内障查.
• 评估开发的AI模型在设备上的可行性和稳定性.

主要方法:

• 训练和评估了早期和晚期融合多式模式模型,使用6794张前段图像和2956名患者的临床数据.
• 将镜头的状态分为透明,不成熟的白内障,成熟的白内障或伪白内障.
• 预期验证了在Aravind眼科医院的210名患者的设备上的模型.

主要成果:

• 早期的核聚变模型实现了0.98.98的接受器运行特征曲线 (AUROC) 下的优越区域.
• 在设备上的评估显示了强大的性能,AUROC为0.96.
• 模型的解释证实了与眼科医生诊断推理的一致性.

结论:

• 该研究提出了第一个前性验证的,设备上的,多式联络AI模型用于白内障分类.
• 这项技术有助于即时,离线的白内障检测和转诊,特别是在服务不足的人群中.
• 该模型使接受最低训练的人员能够查患者,从而有可能扩大对眼科护理和早期治疗的机会.