论文部分内容阅读
目的:探索基于多光谱眼底图像开发的人工智能在视网膜静脉阻塞疾病的早期诊断效能。方法:采用诊断试验的研究方法,以150张经过专家标定的可能患有不同类型视网膜静脉阻塞的多光谱眼底图像作为阅片标注的参考标准,比较AI组、高年资眼科医师组、低年资眼科医师组及心血管内科医师组的诊断一致性和阅片速度。不同阅片者的阅片结果和参考标准的比较采用加权kappa系数进行评价,AI组和医师组的比较以Kendall系数进行评价。AI系统和各医师组的单张平均阅片时间比较采用重复测量方差Bonferroni法分析。结果:对于各组的阅片一致性,AI组和高年资眼科医师组、低年资眼科医师组、心血管内科医师组相比诊断结果基本一致(P<0.01),与AI组比较,心血管内科医师组和低年资眼科医师组协调系数依次显著低于高年资眼科医师组(P<0.01),AI组的阅片时间显著少于各医师组。结论:通过人工智能和多光谱眼底成像技术的结合能够提升对眼底静脉阻塞类疾病的诊断效能,避免临床工作中的误诊和漏诊。