摘要目的:建立和验证一个涉及多级临床场景的白内障协作通用的人工智能(artificial intelligence,AI)管理平台,探索基于AI的医疗转诊模式,以提高协作效率和资源覆盖率.方法:训练和验证的数据集来自中国AI医学联盟,涵盖多级医疗机构和采集模式.使用三步策略对数据集进行标记:1)识别采集模式;2)白内障诊断包括正常晶体眼、白内障眼或白内障术后眼;3)从病因和严重程度检测需转诊的白内障患者.此外,将白内障AI系统与真实世界中的居家自我监测、初级医疗保健机构和专科医院等多级转诊模式相结合.结果:通用AI平台和多级协作模式在三步任务中表现出可靠的诊断性能:1)识别采集模式的受试者操作特征(receiver operating characteristic curve,ROC)曲线下面积(area under the curve,AUC)为99.28％～99.71％);2)白内障诊断对正常晶体眼、白内障或术后眼,在散瞳-裂隙灯模式下的AUC分别为99.82％、99.96％和99.93％,其他采集模式的AUC均＞99％;3)需转诊白内障的检测(在所有测试中AUC＞91％).在真实世界的三级转诊模式中,该系统建议30.3％的人转诊,与传统模式相比,眼科医生与人群服务比率大幅提高了 10.2倍.结论:通用AI平台和多级协作模式显示了准确的白内障诊断性能和有效的白内障转诊服务.建议AI的医疗转诊模式扩展应用到其他常见疾病和资源密集型情景当中.
作者单位State Key Laboratory of Ophthalmology,Zhongshan Ophthalmic Center,Sun Yat-sen University,Guangzhou,China[1]Beijing Tulip Partners Technology Co.,Ltd,Beijing,China[2]School of Computer Science and Technology,Xidian University,Xi'an,China[3]Zhongshan School of Medicine,Sun Yat-sen University,Guangzhou,China[4]State Key Laboratory of Ophthalmology,Zhongshan Ophthalmic Center,Sun Yat-sen University,Guangzhou,China;Department of Molecular and Cellular Pharmacology,University of Miami Miller School of Medicine,Miami,Florida,USA[5]Department of Electrical and Computer Systems Engineering,Faculty of Engineering,Monash University,Melbourne,Victoria,Australia[6]Huizhou Municipal Central Hospital,Huizhou,China[7]Tung Wah Hospital,Sun Yat-sen University,Dongguan,China[8]Dongguan Guangming Ophthalmic Hospital,Dongguan,China[9]Kaifeng Eye Hospital,Kaifeng,China[10]Shenzhen Eye Hospital,Shenzhen Key Laboratory of Ophthalmology,Shenzhen University School of Medicine,Shenzhen,China[11]Department of Ophthalmology,People's Hospital of Guangxi Zhuang Autonomous Region,Nanning,China[12][13]西安交通大学第一附属医院[14]中山大学中山眼科中心,眼病防治全国重点实验室,广东省眼科视觉科学重点实验室[15]
换一批
