设计和验证一个负责任的基于人工智能的系统,用于推糖尿病视网膜病变患者
E Ulises Moya-Sánchez1,2, Abraham Sánchez-Perez1, Alejandro Zarate-Macías1
1Instituto de Informacion Estadistica y Geografica de Jalisco, Gobierno de Jalisco, Calzada de los pirules 71, Zapopan, 45010 Jalisco Mexico.
Health information science and systems
|December 16, 2025
概括
与领先的系统相比,一种新的负责人工智能系统用于糖尿病视网膜病变 (DR) 查,RAIS-DR,显著提高了检测率. 它为早期视力损失的预防提供了一个强大而公平的解决方案.
科学领域:
- 眼科和人工智能的人工智能
- 医学成像分析 医学成像分析
- 负责任的人工智能开发
背景情况:
- 糖尿病视网膜病变 (DR) 是工作年龄成人视力丧失的主要原因.
- 早期DR检测至关重要,但有限的专家和后勤问题导致延误.
- 人工智能 (AI) 具有潜力,但面临着数据质量,偏见和验证等挑战.
研究的目的:
- 开发和评估RAIS-DR,一个负责的AI系统用于糖尿病视网膜病变查.
- 通过整合伦理原则和强大的验证来解决临床采用障碍.
- 使用本地患者数据,将RAIS-DR性能与FDA批准的系统进行比较.
主要方法:
- RAIS-DR使用高效的卷积模型进行图像预处理,质量评估和DR分类.
- 该系统与EyeArt系统对1046名患者的本地数据集进行了评估.
- 对每位患者和每张图像的可推DR (RDR) 和全因可推 (ACR) 标准进行了评估.
主要成果:
- RAIS-DR在RDR (F1分数+12%,准确度+19%,特异性+20%) 和ACR (F1分数+5%,准确度+6%,特异性+10%) 的患者级推中显示出显著的性能改善.
- 在人口分组中观察到公平的表现,差异影响 (DI) 和机会平等差异 (EOD) 值较低.
- 模型解释性发现了一个局限性:与之前的激光治疗史相关的错误阳性.
结论:
- RAIS-DR提供了一个强大的,可复制和负责任的AI解决方案,用于糖尿病视网膜病变查.
- 该系统证明了临床可行性和克服当前查挑战的潜力.
- 负责任的人工智能开发和外部验证是成功在医疗保健中采用人工智能的关键.
