AI klassificerer multi-nethindesygdomme

Nethindesygdomme truer synet og livskvaliteten alvorligt, men de udvikler sig ofte snigende. Hidtil har deep learning (DL) algoritmer vist høje muligheder inden for biomedicinsk videnskab, især i diagnosticering af øjensygdomme, såsom diabetisk retinopati, aldersrelateret makuladegeneration, retinopati hos præmaturitet, glaukom og papilleødem. Der mangler dog stadig en enkelt algoritme, der kan klassificere multisygdomme fra fundusfotografering.

Denne tværsnitsundersøgelse vil etablere en DL-algoritme til automatisk at klassificere multisygdomme fra fundusfotografering og differentiere alvorlige synstruende tilstande og andre retinale abnormiteter. Vi vil bruge receiver operation characteristic (ROC) kurven til at undersøge evnen til at genkende og klassificere sygdomme. Taget resultaterne af ekspertpanelet som guldstandarden, vil vi bruge evalueringsindekserne, såsom sensitivitet, specificitet, nøjagtighed, positiv forudsigelsesværdi, negativ prædiktiv værdi, osv., til at sammenligne den diagnostiske kapacitet mellem AI-genkendelsessystemet og den menneskelige øjenlæge .