比人类眼睛更敏? 对机器学习进行系统审查和元分析,以检测视网膜脱落

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:

• 视网膜脱落 (RD) 是一种严重的疾病,需要及时诊断,以防止不可逆转的视力丧失.
• 目前的RD诊断方法依赖于手动解释,这可能是有限的.
• 人工智能,包括机器学习 (ML) 和深度学习 (DL),为提高 RD 诊断精度提供了一个有希望的途径.

研究的目的:

• 进行诊断测试准确性 (DTA) 的元分析,评估ML模型在检测RD方面的性能.
• 评估AI算法在各种成像模式和RD诊断的ML技术中的准确性.

主要方法:

• 一个系统审查和DTA元分析,遵循PRISMA 2018指南.
• 包括20项分析69个ML模型的研究,用于使用各种成像方式检测RD.
• 统计分析聚合的灵敏度,特异性和曲线下的面积 (AUC),以及子组分析.

主要成果:

• 在RD检测中,ML模型的聚合灵敏度和特异性分别为95.7%和99.2%.
• 深度学习 (DL) 模型表现出比传统的ML模型更好的性能.
• 基于底部成像的模型获得了最高的准确性 (灵敏度:97.3%;特异性:99.5%).

结论:

• ML,特别是DL利用 fundus成像,为RD提供高度准确的诊断能力.
• 由于数据偏差,显著的异质性和概括性挑战需要进一步研究.
• 标准化,多中心验证和成本效益研究对于临床整合眼科ML至关重要.