人工智能在眼部毒素瘤检测中的演变:对诊断模型,数据挑战和未来方向的范围审查
Dodit Suprianto1,2, Loeki Enggar Fitri3,4, Ovi Sofia5
1Doctoral Program in Medical Science, Faculty of Medicine, Universitas Brawijaya, Malang 65145, Indonesia.
Infectious disease reports
|December 24, 2025
概括
人工智能 (AI) 显示出对诊断眼部毒素菌 (OT),一种传染性脑膜炎的前景. 然而,数据有限和缺乏外部验证等挑战阻碍了临床使用.
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:
- 眼部毒素菌 (OT) 是感染性后膜炎的主要原因.
- 非典型的OT病例带来了诊断上的挑战,因为其症状与其他视网膜胆固醇菌的症状重叠.
- 准确的诊断往往依赖于专家对多式联络成像的解释.
研究的目的:
- 系统地审查人工智能 (AI) 的应用,特别是深度学习,用于自动化OT诊断.
- 描述人工智能工具用于OT诊断的证据,数据格局和临床准备.
主要方法:
- 对22项研究进行了范围审查.
- 研究重点是人工智能,特别是像卷积神经网络 (CNN) 这样的深度学习算法.
- 底摄影是分析的主要成像方式.
主要成果:
- 该领域正在迅速发展,CNN在用于OT检测的二进制分类任务中实现了高精度 (87-99.2%).
- 人工智能发展受到小型,不平衡,单中心数据集和缺乏外部验证的限制.
- 不足够的可解释AI (XAI) 阻碍了对AI模型的理解和信任.
结论:
- 人工智能有很大的潜力来规范OT诊断和减少主观性.
- 临床整合受到过度依赖内部验证,模型的"黑子"性质以及缺乏实施策略的阻碍.
- 未来的研究需要多中心数据,外部/前性验证,以及XAI用于临床翻译.
