”
文章信息
2024年10月17日，来自法国罗斯柴尔德基金会医院神经眼科与罗斯柴尔德神经视觉与计算科学大脑实验室的Dan Milea教授团队在《JAMA Ophthalmology》（IF: 7.8）发表了题为Deep Learning to Discriminate Arteritic From Nonarteritic Ischemic Optic Neuropathy on Color Images 的论文。本文开发了一种深度学习系统,能在彩色眼底照中准确区分AAION和NAION，准确率超过90%，可望改善临床决策，减少误诊风险，提高患者预后。
研究目的：
开发、训练和测试一个深度学习系统（DLS），在疾病的急性期通过彩色眼底照区分AAION和NAION
研究对象：
人工智能大脑和视神经研究（BONSAI）小组中收集的802名已确诊AAION和NAION患者的961张彩色眼底照
研究对照：
使用神经眼科专家的标准诊断作为对照参考。DLS的表现与经过培训的医生诊断结果进行比较，以评估其在区分这两种病变的效果
主要结局测量：
通过曲线下面积（AUC）、敏感性、特异性和准确性来评估DLS的表现
研究类型：
观察性研究-队列研究
Dan Milea
AI技术与神经眼科学
本研究开发的DLS能够在彩色眼底照上准确区分AAION和NAION，无需额外的临床或生物标志信息。这一系统利用平均类别激活图（一种用于深度学习模型解释的可视化技术）展示了疾病特异性区域，使分类过程更具解释性。
AAION显示出弥散性的感兴趣区域（ROI），与严重视神经梗死一致；NAION则表现为下方区域的关注，符合NAION的典型病理过程。DLS的表现优于神经眼科医生，可能提示该系统能识别出人眼难以察觉的细微特征，展现了其在复杂诊断中的辅助潜力，有助于提升诊断精确性和患者预后。
本研究的局限性在于仅包括典型的AAION和NAION病例，可能限制了模型在非典型病例中的表现。此外，研究未涵盖正常视盘的后部缺血性视神经病变病例，未纳入急性视盘肿胀相关的其他视神经病变。
未来研究可探索结合临床和生物数据（如全身症状或红细胞沉降率）的多维度模型，以提升灵敏度和特异性。此外，应进行更多研究验证其在更广泛人群中的适用性，包括应用于非典型病例和不同相机设备的适配能力。
原文：
https://jamanetwork.com/journals/jamaophthalmology/fullarticle/2824475
编辑：陈玮洁
排版：bonbon
校对：牛子璇
审核：曹秋晨
转载须知：
本文为枢界centrangle原创文献阅读笔记
如需转载请标明来源
扫码加入群聊，尽享文献全文
