导读一项针对近7,000名患者的研究表明，人工智能(AI)系统在识别眼底照片上显示出视盘与乳头水肿的准确性很高。性能评估显示曲线下的面积(AUC)为
一项针对近7,000名患者的研究表明，人工智能(AI)系统在识别眼底照片上显示出视盘与乳头水肿的准确性很高。
性能评估显示曲线下的面积(AUC)为0.99(表明接近完美的精度)，用于区分乳头水肿与正常眼盘和非视乳头水肿异常的盘。评估1,505张照片的外部测试数据集得出的乳头水肿检测的AUC为0.96，灵敏度为96.4%，特异性为84.7%。
新加坡杜克国立大学医学院的Dan Milea医学博士和《新英格兰医学杂志》的同事报道说，深度学习系统需要在各种情况下视盘异常流行的不同环境中进行进一步的前瞻性评估。
作者总结说：“我们发现，通过对眼底照片进行训练的人工智能，深度学习算法可以区分乳头水肿和正常视神经，具有很高的灵敏度和特异性。”“阴性预测值很高，但是阳性预测值根据所研究人群中乳头水肿的患病率而有所不同。”
该算法没有区分普通硬盘和那些在外部数据集中等异常乳头水肿的好工作，但仍逊色于与内部验证集获得的结果“因为通常情况下，”一个笔者一篇社论指出。波士顿哈佛医学院的医学博士艾萨克·科哈内(Isaac Kohane)认为，这项研究的不足之处也具有启发性：某些种族群体缺乏代表性，且研究具有回顾性。
“此外，正如研究人员所报告的那样，还有其他机器学习系统在未扩大的眼底镜检查中表现出足够的性能，这在基层医疗和急诊科中更为普遍，” Kohane继续说道。“最后，在权衡敏感性和特异性之间的权衡时，研究人员强调避免误报-不能检测出实际的乳头水肿病例-以15%的误报为代价。”
尽管存在局限性，“这项研究的广度使得这些自动化系统的某些版本可能会通过监管部门批准并进入临床，也许首先是在资源贫乏的卫生系统中。”