人工智能在葡萄膜炎诊断中的应用指南（2025）
发布日期：
2025-03-06
制定者：
出处：
眼科新进展,2025,45(3):169-176.
AI大纲：
制定背景和方法
- 葡萄膜炎的特点
- 常见的威胁视力的眼内炎症性疾病
- 病因复杂，表现形式多样，鉴别诊断困难
- 诊断和分类对缺乏经验或非专业医师有挑战
- AI的应用潜力
- 在海量数据分析等方面实用性大
- 在眼科领域已有多种应用，在葡萄膜炎诊断等方面有潜力
- 指南制定过程
- 2023年6月成立专家组
- 2023年7月学习文献并结合实践经验讨论论证
- 执笔专家撰写初稿，专家提意见修改，最终达成终稿
葡萄膜炎中的AI
- 葡萄膜炎分类
- 基于解剖位置：前、中、后、全葡萄膜炎
- 基于病原体：感染性、非感染性或伪装性葡萄膜炎
- AI在葡萄膜炎中的应用体现
- 潜在病因诊断、分类和评估
- 构建AI辅助图像分析诊断系统流程图
- AI在不同环节的应用
- 筛查：应用计算机视觉模型，用图像数据集训练筛查模型
- 检测：应用检测软件和卷积神经网络检测和分级炎症病变
- 诊断：采用机器学习模型，在病因匹配等方面效果良好
AI在葡萄膜炎中的应用
诊断支持算法
- 眼前节炎症的量化
- 金标准：裂隙灯显微镜临床检查
- AI应用：基于AI的AS - OCT图像分析与SUN分类有显著独立相关性，自动化方法更敏感
- 玻璃体炎症的量化
- 黄金标准：间接检眼镜临床检查
- AI应用：基于AI的AS - OCT图像分析结果更可靠准确，OCT衍生测量及自动定量有优势
- 脉络膜炎症的量化
- 重要炎症生物标志物：脉络膜厚度等
- AI应用：使用脉络膜血管指数量化脉络膜炎症
病因诊断算法
- 常用AI算法
- BN（贝叶斯信念网络）
- 原理：概率图形模型，用贝叶斯定理计算后验置信度
- 应用：鉴别诊断和病因学诊断葡萄膜炎常见病因
- ES（多层基于规则专家系统）
- 原理：基于规则的推理机制，模拟专家问题解决能力
- 应用：帮助眼科医生诊断，缓解专家短缺问题，可作教育或决策支持工具
- CART（分类和回归树）
- 原理：对特征递归二分划分输入空间
- 应用：实现高度可靠的葡萄膜炎诊断，性能可能随额外信息提高
- BN（贝叶斯信念网络）
性能指标
- 骰子相似系数
- 衡量AI辅助诊断系统精确度
- 指标定义：$\mathrm {DC}=\frac {2\times\mathrm {TP}}{2\times\mathrm {TP}+\mathrm {FN}+\mathrm {FP}}$
- 豪斯多夫距离
- 衡量玻璃体分割边界与地面实况对应边界接近程度
- 定义：从 $G$ 到 $S$ 的HD为最大欧氏距离 $d(g,s)$
- 双向豪斯多夫距离：BHD ${G\rightarrow S}=\max \left{\mathrm {HD}{G\rightarrow S},\mathrm {HD}_{S\rightarrow G}\right}$
- 葡萄膜炎症分级准确率
- 葡萄膜炎分类：前、中、后、全葡萄膜炎
- 分级依赖指标：炎症细胞数量、玻璃体混浊程度等
- 评估方法：全连接神经网络评估严重程度，计算平均准确率
AI在葡萄膜炎诊断中面临的挑战和未来发展方向
- 挑战
- 缺乏大型且具代表性数据集
- 图像数据集组装注释挑战
- 区分疾病严重程度阈值困难
- 未来方向
- 共享数据和代码，合作研究
- 增加图像采集，邀请专家标注
- 生成更多训练数据，利用迁移学习
部分内容仅可在
临床指南app 查看下载
阅读免费指南
发送到邮箱
收藏
分享
评论
提交评论
lr123456
2025.03.10
回复
学习指南是最有效的提升方式
/ 没有更多了 /
置顶
