目的 比较三种基于卷积神经网络(CNN)的人工智能(AI)糖尿病视网膜病变(DR)眼底图像诊断模型与眼科医生诊断的一致性。
设计 诊断试验。
研究对象 北京同仁医院眼科236例(468眼)糖尿病患者的彩色眼底图像。
方法 患者每眼分别以黄斑和视盘为中心免散瞳拍摄两张45°眼底图像。以眼科医生诊断结果作为金标准,对三种不同公司设计的AI DR诊断模型(模型1、2、3)进行DR有无检测、DR转诊检测、DR分期检测评价。
主要指标 灵敏度(Se)、特异度(Sp)、受试者工作特征曲线(ROC)曲线下面积(AUC)。
结果 DR有无检测:模型1灵敏度为 95.8%,特异度为90.1%,AUC为0.930;模型2灵敏度为96.5%,特异度为85.2%,AUC为0.908;模型3灵敏度为 96.2%,特异度为83.5%,AUC为0.917。DR转诊检测:模型1灵敏度为93.9%,特异度为90.1%,AUC为0.933;模型2灵敏度为97.7%,特异度为89.3%,AUC为0.935;模型3灵敏度为 95.4%,特异度为89.8%,AUC为0.926。DR分期检测:模型1灵敏度为 72.9%~90.1%,特异度为93.9%~97.8%,AUC为0.854~0.930;模型2灵敏度为68.8%~92.1%,特异度为90.6%~98.2%,AUC为0.831~0.914;模型3灵敏度为75.0%~83.5%,特异度为89.2%~96.8%,AUC为0.849~0.917。
结论 三种AI诊断模型对糖尿病患者眼底图像DR有无及DR转诊检测的准确性均较高,可作为糖尿病患者DR筛查的辅助方法。(眼科, 2021, 30: 355-359)