人工智能模型用于感染性角膜炎分类的准确性如何？

编者按：感染性角膜炎（IK）是一种威胁视力的疾病，需要及早明确诊断后进行治疗。然而，IK临床特征缺乏特异性、微生物培养产量低以及培养时间长等原因使得IK治疗往往被延误，临床需要更加快速、准确的诊断方式应用于IK的诊疗。深度学习（DL）是人工智能（AI）领域的重要技术，已被证明在高精度地进行IK自动诊断方面极有前景，但其诊断的准确性尚无研究详细阐明。印度尼西亚雅加达大学的Randy Sarayar等人针对此方面内容进行了系统综述和荟萃分析，评估了现有DL模型用于IK分类的准确性，为更有效率地诊疗IK患者提供了助力。

研究者们在PubMed、Google Scholars、Proquest、ScienceDirect、Cochrane和Scopus数据库进行系统检索，检索关键词为“角膜炎”、“角膜溃疡”、“眼部疾病”、“视网膜病变”、“人工智能”、“深度学习”和“机器学习”，纳入包括角膜的裂隙灯检查和DL性能有效性的研究（图1）。研究审查的主要结果是AI机器学习/DL算法的准确性和分类能力，使用MetaXL 5.2软件对提取的数据进行了分析。

图1. 研究使用的在线数据库和各自的搜索策略

结果显示，2002年至2022年共有11篇文章，总数据集为34070幅图像（图2）。所有研究都使用了卷积神经网络（CNNs），其中ResNet和DenseNet模型是研究中使用最多的模型。大多数AI模型表现更优，曲线下总面积（AUC）为0.851，区分IK与非IK的准确率为96.6%，合并AUC为0.895，分类细菌性角膜炎（BK）与真菌性角膜炎（FK）的准确度为64.38%。

图2. 每个纳入研究的数据集图像数量

这项研究表明，DL算法在诊断和分类IK方面具有极大潜力，其准确性即便不是更优，也与训练有素的角膜专家相当。然而，各种因素，例如DL模型的独特架构、过拟合问题、数据集的图像质量以及IK本身的复杂性，仍然阻碍了DL在日常临床实践中的普遍适用性。

参考文献：Randy Sarayar, Yeni Dwi Lestari, Arnaud A. A. Setio，Ratna Sitompul. Accuracy of artificial intelligence model for infectious keratitis classification: a systematic review and meta-analysis. Front Public Health. 2023 Nov 24:11:1239231. doi: 10.3389/fpubh.2023.1239231. eCollection 2023.

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。