摘要
目的
我们的目的是建立一个人工智能模型,以区分RVO患者与正常人的彩色眼底照片(CFP)。
方法
训练数据集包括2013个来自RVO患者眼部的CFP和8536个年龄和性别匹配的正常CFP。模型性能评估在两个独立的测试数据集。我们使用接受者工作特征曲线(AUC)下的面积、准确性、精确度、特异性、敏感性和混淆矩阵来评估AI模型的性能。我们进一步解释了AI可能的临床相关性提取和比较视网膜图像的特征。
结果
我们的模型在识别训练数据集中RVO患者眼底图像时,平均AUC为0.9866 (95% CI: 0.9805-0.9918),准确性为0.9534 (95% CI: 0.9421-0.9639),精确度为0.9123 (95% CI: 0.8784-9453),特异性为0.9810 (95% CI: 0.9729-0.9884),灵敏度为0.8367 (95% CI: 0.7953-0.8756)。在独立的外部数据集1中,RVO组的AUC为0.8102 (95% CI: 0.7979-0.8226),准确性为0.7752 (95% CI: 0.7633-0.7875),精确度为0.7041 (95% CI: 0.6873-0.7211),特异性为0.6499 (95% CI: 0.6305-0.6679),敏感性为0.9124 (95% CI: 0.9004-0.9241)。视网膜动静脉比、视杯与视盘比、视盘倾角差异有统计学意义(p < 0.05)。p= 0.001,p= 0.0001,p= 0.0001)。
结论
我们训练了一个AI模型来对RVO患者的彩色眼底照片进行分类,在内部和外部数据集中都表现稳定。这可能对视网膜静脉阻塞患者的风险预测具有重要意义。
这是订阅内容的预览,通过你的机构获取
访问选项
订阅杂志
获得1年的完整期刊访问权限
119.00美元
每期仅需9.92美元
所有价格均为净价格。
增值税将在稍后的结帐中添加。
税金计算将在结账时完成。
买条
在ReadCube上获得时间限制或全文访问权限。
32.00美元
所有价格均为净价格。
数据可用性
本研究中分析的数据集可根据合理要求从通讯作者处获得。
参考文献
Ip M, Hendrick A.视网膜静脉阻塞回顾。亚洲太平洋J眼科(菲洛斯)。2018; 7:40-5。
Rogers S, McIntosh R,张N, Lim L, Wang J, Mitchell P,等。视网膜静脉阻塞的患病率:汇集来自美国、欧洲、亚洲和澳大利亚的人口研究数据。眼科学。2010;117:313 - 9. - e1。
Di Capua M, Coppola A, Albisinni R, Tufano A, Guida A, Di Minno MN,等。视网膜静脉阻塞患者的心血管危险因素和预后。中华血栓学杂志。2010;30:16-22。
Hayreh SS, Zimmerman B, McCarthy MJ, Podhajsky P.与各种类型视网膜静脉阻塞相关的系统性疾病。中华眼科杂志2001;131:61-77。
平野Y,铃木N,富康T,黑衣R,安田Y,叶崎Y,等。视网膜静脉阻塞中微血管异常的多模式成像。j .中国。医学。2021;10:405。
金美敏,吴世杰,朴赫,金太。单侧视网膜静脉阻塞患者对侧眼视网膜神经纤维层厚度降低。眼科学。2011;118:706-10。
Maltsev DS, Kulikov AN, Burnasheva MA, Chhablani J.单侧视网膜静脉阻塞患者同侧眼中中心旁急性黄斑病变的发病率。Acta角膜切削。2020;98:e22-e28。
Arslan GD, Guven D, Demir M, Alkan AA, Ozcan D.视网膜分支静脉阻塞患者受影响动静脉交叉眼底位置的微血管和功能改变。印度眼科杂志。2021;69:1189-96。
Pinhas A, Dubow M, Shah N, Cheang E, Liu CL, Razeen M,等。非缺血性视网膜中央静脉闭塞患者的其他眼部变化:灌注中心凹微血管密度的评估和非灌注毛细血管的鉴定。视网膜。2015;35:2028-36。
申义,南基基,李世士,林宏斌,李明伟,赵玉杰,等。单侧视网膜静脉阻塞患者同眼乳头周围微血管和视网膜厚度的变化:一项OCTA研究。投资眼科视觉科学2019;60:823-9。
林树青,金敏,张伟,Sagong M.视网膜单侧支静脉阻塞患者与健康人的筛板厚度比较。视网膜。2017;37:515-21。
Chan MMH, Thomas AS, Yoon SP, Leitner D, Fekrat s单眼CRVO伴另一只眼RVO患者的临床特征:一项回顾性观察研究。眼科外科,激光成像视网膜杂志2019;50:444-9。
McIntosh RL, Rogers SL, Lim L,张N,王俊杰,Mitchell P,等。视网膜中央静脉阻塞的自然史:一项循证系统综述。眼科学。2010;e15 117:1113 - 1123。
黄丽娟,张晓燕,张晓燕,等。视网膜中央静脉阻塞患者眼部视网膜电图的观察。角膜切削。1989;107:1459 - 62。
Ferraz DA, Tovar-Moll F, Belfort R Jr人工智能:从视网膜到大脑。Arq Bras Oftalmol. 2021; 84:197-198。
杨建军,王晓燕,王晓燕。深度学习和人工智能在视网膜研究中的应用。国际眼科临床杂志2019;59:39-57。
Schmidt-Erfurth U, Sadeghipour A, Gerendas BS, Waldstein SM, Bogunovic H.视网膜人工智能。Retin Eye Res. 2018; 67:1-29。
张勇,史杰,彭勇,赵铮,郑强,王铮,等。人工智能筛查糖尿病视网膜病变:一项现实世界、多中心和前瞻性研究。BMJ Open Diab Res Care 2020;8:e001596。
Yim J, Chopra R, Spitz T, Winkens J, Obika A, Kelly C,等。利用深度学习预测转化为湿性老年性黄斑变性。Nat医学。2020;26:892-9。
Prabhakar B, Singh RK, Yadav KS。人工智能(AI)对青光眼诊断的影响,以及理解基于AI的软件作为医疗设备的监管方面。计算机医学影像图。2020;87:101818。
李卓,刘浩,丁dsj,全硕,陈瑞平,金济,等。眼科的数字技术、远程医疗和人工智能:全球视角。Prog Retin Eye Res. 2021;82:100900。
深入深度学习:视网膜人工智能的最新进展。Curr Ophthalmol rep 2020; 8:21 1 - 8。
Adhi M, Filho MA, Louzada RN, Kuehlewein L, de Carlo TE, Baumal CR,等。光学相干层析血管造影术分析了静脉闭塞眼和同眼视网膜毛细血管网和中心凹无血管带。投资眼科视觉科学2016;57:OCT486-94。
Costanzo E, Parravano M, Gilardi M, Cavalleri M, Sacconi R, Aragona E,等。用两种不同的光学相干断层造影术分析视网膜静脉阻塞时视网膜微血管和脉络膜的变化。中华眼科杂志2019;242:8-15。
陈亮,袁敏,孙亮,王艳,陈艳。光学相干断层成像血管成像(OCTA)评价视网膜分支静脉阻塞(BRVO)的微血管网络。BMC角膜切削。2020;20:154。
维埃拉MJ,坎波斯A,多卡尔莫A,阿鲁达H,马丁斯J,索萨JP。视网膜静脉阻塞的嗜血栓危险因素。Sci众议员2019;9:18972。
Stojakovic T, Scharnagl H, Marz W, Winkelmann BR, Boehm BO, Schmut O.低密度脂蛋白甘油三酯和脂蛋白(a)是视网膜血管阻塞的危险因素。临床化学学报2007;382:77-81。
长户D,田内H,大杉H,增本H, Enno H,石比N,等。超宽视场眼底镜深度学习分类器检测视网膜分支静脉阻塞。国际眼科杂志2019;12:94-99。
长户D,田内H,大杉H,增本H, Enno H,石比N,等。基于深度神经网络的超宽视场眼底镜视网膜中央静脉阻塞检测方法。J角膜切削。2018;2018:1875431。
长尾D,田内H,增本H, Enno H,石比N,龟冈M,等。基于深度学习的光学相干层析血管造影图像视网膜静脉阻塞非灌注区自动检测。《公共科学图书馆•综合》。2019;14:e0223965。
Hayreh SS.光凝治疗视网膜静脉阻塞。Prog Retin Eye Res. 2021;85:100964。
Karska-Basta I, Kubicka-Trzaska A, Romanowska-Dixon B, Undas A血栓形成-视网膜静脉阻塞的危险因素?Klin Ocz公司。2013;115:29-33。
Yildirim C, Yaylali V, Tatlipinar S, Kaptanoglu B, Akpinar S高同型半胱氨酸血症:视网膜静脉阻塞的危险因素。Ophthalmologica。2004;218:102-6。
血栓形成是视网膜中央静脉阻塞的危险因素。Klin Ocz公司。2003;105:221-4。
陈云云,王泰宇,廖杰,张CY,郑云峰,王俊杰,等。视网膜分支静脉阻塞和视神经头的地形参数:新加坡印第安人眼研究。中华眼科杂志2013;97:611-6。
王晓燕,李晓燕,李晓燕。光谱域光学相干层析成像在视网膜单侧支静脉阻塞视盘形态学中的应用。BMC角膜切削。2015;15:178。
确认
感谢成都爱康国宾健康检查中心提供的彩色眼底照片。
资金
国家重点研发计划项目(2018YFC1106103)和四川大学华西医院博士后科研项目(2021HXBH030)资助。四川省自然科学基金(No. 2022NSFSC1285)资助XR。
作者信息
作者和联系
贡献
XR, BW和MZ设计了这项研究,指导了该项目,并解释了数据。分别由XR、YG、RR、YT、WF、LJ、LH、WX、XL、TW、YC进行实验。GZ为这个项目提供了指导。论文由XR撰写,YL、XF、GZ、MZ参与编辑。所有作者都对论文做出了贡献,并批准了提交的版本。
相应的作者
道德声明
相互竞争的利益
作者声明没有竞争利益。
额外的信息
出版商的注意施普林格自然对出版的地图和机构附属的管辖权要求保持中立。
补充信息
权利和权限
自然或其许可方(例如,社会或其他合作伙伴)根据与作者或其他权利所有人签订的出版协议,对本文享有专有权;作者对本文已接受的手稿版本的自我存档完全受此类出版协议条款和适用法律的约束。
关于这篇文章
引用这篇文章
任,X,冯,W,然,R。et al。利用彩色眼底照片识别视网膜静脉阻塞患者的人工智能。眼睛(2022)。https://doi.org/10.1038/s41433-022-02239-4
收到了:
修改后的:
接受:
发表:
DOI:https://doi.org/10.1038/s41433-022-02239-4