Dyplæringsalgoritme for å oppdage obstruktiv koronararteriesykdom ved hjelp av fundusfotografier

Kunstig intelligens, trent gjennom modelllæring, kan raskt utføre medisinsk bildegjenkjenning og er mye brukt i tidlig sykdomsscreening og assistert diagnose. Med kontinuerlig optimalisering av dyp læring har bruken av AI bidratt til å oppdage noen tidligere ukjente assosiasjoner til andre systemiske sykdommer. Kunstig intelligens basert på netthinnefundusbilder kan brukes til å oppdage anemi, hepatobiliære sykdommer og kronisk nyresykdom, og for å forutsi andre systemiske biomarkører. Studiene ovenfor gir et teoretisk grunnlag for anvendelse av kunstig intelligens-teknologi basert på netthinnebilde til diagnostisering og prediksjon av hjerte- og karsykdommer.

For tiden er det fortsatt mangel på nøyaktige, raske og brukervennlige diagnostiske og terapeutiske verktøy for prediktiv modellering av koronar hjertesykdomsrisiko og tidlige screeningsverktøy i Kina og verden. Fundusbilde brukes etter hvert som et verktøy for omfattende screening av sykdommer på grunn av sin spesielle forbindelse med blodårer i hele kroppen, samt lett tilgang, billig og effektiv. Det er av stor vitenskapelig og sosial betydning å utvikle og validere en modell for identifikasjon og prediksjon av koronar hjertesykdom og risikofaktorer basert på fundusbilder ved bruk av AI dyplæringsalgoritmer, og å utforske verdien av AI fundusbilder for å hjelpe koronar hjertesykdom diagnose og screening for et bredt spekter av bruksområder.