AI klassificerar multi-näthinnesjukdomar

Näthinnesjukdomar hotar synen och livskvaliteten allvarligt, men de utvecklas ofta smygande. Hittills har algoritmer för djupinlärning (DL) visat höga möjligheter inom biomedicinsk vetenskap, särskilt vid diagnos av ögonsjukdomar, såsom diabetisk retinopati, åldersrelaterad makuladegeneration, retinopati hos prematuritet, glaukom och papilleödem. Det saknas dock fortfarande en enda algoritm som kan klassificera multisjukdomar från ögonbottenfotografering.

Denna tvärsnittsstudie kommer att etablera en DL-algoritm för att automatiskt klassificera multisjukdomar från ögonbottenfotografering och skilja stora synhotande tillstånd och andra retinala abnormiteter. Vi kommer att använda kurvan för mottagarens funktionskarakteristik (ROC) för att undersöka förmågan att känna igen och klassificera sjukdomar. Med resultaten från expertpanelen som guldstandard kommer vi att använda utvärderingsindexen, såsom känslighet, specificitet, noggrannhet, positivt prediktivt värde, negativt prediktivt värde, etc, för att jämföra den diagnostiska kapaciteten mellan AI-igenkänningssystemet och mänsklig ögonläkare .