一个测试时间的临床适应框架,用于检测多种 fundus 疾病,利用眼科基础模型
Hongyang Jiang1, Zirong Liu2,3, Mengdi Gao4
1Department of Ophthalmology and Visual Sciences, The Chinese University of Hong Kong, Hong Kong SAR, China. hongyangjiang@cuhk.edu.hk.
NPJ digital medicine
|March 2, 2026
概括
RetExpert 增强了人工智能模型,用于检测多种 fundus 疾病. 这种临床适应性框架提高了现实世界视力查的准确性和可靠性.
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:
- 在全球范围内, fundus 疾病会导致显著的视力损伤.
- 眼科基础模型 (FMs) 显示出潜力,但在多种疾病检测方面面临挑战.
- 临床翻译受到数据不平衡,预测不确定性和领域转移的阻碍.
研究的目的:
- 引入RetExpert,一个测试时间的临床适应性框架,以增强用于多基金疾病检测的FM.
- 提高人工智能模型用于 fundus 疾病查的稳定性,通用性和临床可行性.
主要方法:
- RetExpert使用自适应知识单元和随机一次热激活模块.
- 采用长尾意识和不确定性意识的多标签学习策略.
- 整合了 fundus 疾病同时发生矩阵和测试时间适应 (TTUL+TTPL).
主要成果:
- 与现有的眼科FM相比,RetExpert表现出卓越的检测性能和可靠性.
- 该框架显示了15个数据集的跨领域适应性.
- 实现了动态参数调整,而不需要完全重新训练模型.
结论:
- RetExpert提供了一种临床上可行的解决方案,用于从 fundus 照片中自动进行多种疾病查.
- 该框架解决了眼科当前人工智能模型的主要局限性.
- 为现实世界视力障碍检测提供了强大的和可泛化的方法.
