NEJM:AI系统在眼底检查中的应用
2020-04-30 MedSci原创 MedSci原创
深度学习系统可通过对眼底和扩张瞳孔照片进行识别，区别视神经乳头水肿、其他异常与正常视盘
眼部检查需要专业的眼科医生，这在医疗资源匮乏地区是难以实现的。近日研究人员考察了AI眼底照片识别视神经乳头水肿和其他视盘异常的效果。
研究人员训练，验证并外部测试了一个深度学习系统，将视盘分类为正常或有视神经乳头水肿或其他异常的15846例眼底照片构成数据库，来自11个国家19个地点的14341张眼部照片被用于培训和验证，其他1505张照片被用于外部测试。 通过计ROC特征曲线(AUC)下的面积、灵敏度和特异性来评估视盘外观的分类性能，并与神经眼科医生的临床诊断参考标准进行比较。
来自6779名患者的培训和验证数据集包括14341张照片：9156张正常， 2148张视神经乳头状水肿，3037张其他异常。AI对正常人群是分辨准确性为9.8到100%之间；对视神经乳头状水肿分辨准确性为0到59.5%之间。该系统将有视神经乳头状水肿与正常和非视神经乳头状水肿异常进行鉴别的AUC为0.99。在1505张照片的外部测试数据集中，该系统检测视神经乳头水肿的AUC为0.96，灵敏度为96.4%，特异性为84.7%。
研究认为，深度学习系统可通过对眼底和扩张瞳孔照片进行识别，区别视神经乳头水肿、其他异常与正常视盘。
原始出处：
Dan Milea et al. Artificial Intelligence to Detect Papilledema from Ocular Fundus Photographs. N Engl J Med， April 30， 2020.
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
顶刊就是顶刊，谢谢梅斯带来这么高水平的研究报道，我们科里同事经常看梅斯，分享梅斯上的信息
56