Deep-Learning-Algorithmus zur Erkennung obstruktiver koronarer Herzkrankheiten mithilfe von Fundusfotos

Künstliche Intelligenz, die durch Modelllernen trainiert wird, kann schnell eine medizinische Bilderkennung durchführen und wird häufig bei der Früherkennung von Krankheiten und der assistierten Diagnose eingesetzt. Durch die kontinuierliche Optimierung des Deep Learning hat der Einsatz von KI dazu beigetragen, einige bisher unbekannte Zusammenhänge mit anderen systemischen Erkrankungen zu entdecken. Künstliche Intelligenz auf Basis von Netzhautfundusbildern kann zur Erkennung von Anämie, hepatobiliären Erkrankungen und chronischen Nierenerkrankungen sowie zur Vorhersage anderer systemischer Biomarker eingesetzt werden. Die oben genannten Studien liefern eine theoretische Grundlage für die Anwendung der Technologie der künstlichen Intelligenz auf der Grundlage von Netzhautfundusbildern zur Diagnose und Vorhersage von Herz-Kreislauf-Erkrankungen.

Derzeit mangelt es in China und weltweit immer noch an genauen, schnellen und benutzerfreundlichen diagnostischen und therapeutischen Instrumenten für die prädiktive Modellierung des Risikos koronarer Herzerkrankungen sowie an Früherkennungsinstrumenten. Aufgrund seiner besonderen Verbindung mit den Blutgefäßen im gesamten Körper sowie seiner einfachen Zugänglichkeit, seiner geringen Kosten und seiner Effizienz wird das Fundusbild nach und nach als Instrument für ein umfassendes Screening von Krankheiten eingesetzt. Es ist von großer wissenschaftlicher und gesellschaftlicher Bedeutung, ein Modell zur Identifizierung und Vorhersage koronarer Herzerkrankungen und ihrer Risikofaktoren auf der Grundlage von Fundusbildern mithilfe von KI-Deep-Learning-Algorithmen zu entwickeln und zu validieren und den Wert von KI-Fundusbildern bei der Unterstützung koronarer Herzerkrankungen zu untersuchen Diagnose und Screening für ein breites Anwendungsspektrum.