AI助力黄斑病变筛查新突破：准确率达94.9%

AI助力黄斑病变筛查新突破：准确率达94.9%

引用

CSDN

等

9

来源

1.

https://blog.csdn.net/andrew_extra/article/details/142344796

2.

https://app.xinhuanet.com/news/article.html?articleId=6faa41f270abbeaf9d32bac40d4f6953

3.

https://jdyfy.com/info/1241/133541.htm

4.

https://journal.gzzoc.com/Ykxb/Recommend/ArticleShow.aspx?AID=4393

5.

https://journal.gzzoc.com/ykxb/Stage/ArticleShow.aspx?AID=4393

6.

http://www.news.cn/health/20250103/6a7b56ab3cad4cc98ac7f376b5042315/c.html

7.

https://www.forwardpathway.com/110147

8.

https://www.jy4y.com/xxgs/397.html

9.

https://www.polyu.edu.hk/sc/media/Media-Releases/2024/0227_PolyU-and-OPTICAL-88-launch-joint-research-project-to-promote-smart-clinics

2024年11月，西安交通大学第一附属医院眼科团队参与研发的多模态、多任务眼科基础模型——VisionFM模型，在《NEJM AI》杂志上发表。这一突破性成果标志着人工智能在眼科疾病筛查领域迈出了重要一步。

技术原理：深度学习赋能眼底图像分析

AI系统通过深度学习框架（如TensorFlow、Keras）构建卷积神经网络（CNN），实现对眼底图像的精准分析。卷积神经网络能够捕捉图像的局部特征，通过多个卷积和池化层的堆叠，逐渐提取从低级到高级的特征。

在模型训练过程中，研究团队整合了全球18个国家超过340万张眼科影像数据，涵盖多种影像模态，包括眼底照片、光学相干断层扫描（OCT）等。这种大规模、多样化的数据集确保了模型的泛化能力和鲁棒性。

临床应用：精准筛查助力早期诊断

VisionFM模型在多种眼科疾病的检测中展现出卓越性能。特别是在黄斑病变筛查方面，其预测AUC（曲线下面积）达到94.9%，显著优于传统模型ResNet。

与不同资历的临床医生相比，VisionFM模型的诊断能力不仅能够超出低年资医生，甚至与中年资医生相当。这一结果表明，AI系统不仅能够提高临床诊断效率，减少误诊风险，还能在影像资源有限的基层医疗环境中发挥重要作用。

未来展望：AI引领眼科筛查新趋势

AI技术在眼科筛查领域的应用前景广阔。通过自动化初步风险评估，AI能够实现高通量筛查和人群水平分析，帮助减轻医疗系统的负担，扩大筛查范围，并确保有限医疗资源的有效分配。

此外，AI技术还可采用数据增强和迁移学习等方法来提高模型的鲁棒性和准确性，针对性解决医学影像分析中的数据噪声和样本不平衡问题。随着技术的不断发展和完善，AI有望在更多眼科疾病筛查中发挥重要作用，为患者提供更加精准、高效的医疗服务。