本文综述了科学根据X编辑过程政策编辑器强调了以下属性同时确保内容的可信度:

核查事实的

可信的源

校对

AI突破检测儿童失明的主要原因

AI突破检测儿童失明的主要原因
在左边,左边的照片视网膜的新生儿(新生婴儿)与早产儿视网膜病变。右边的图像有一个覆盖显著图生成的人工智能算法,它显示的部分图像最影响算法的决策。信贷:眼科医院

团队开发了一个深度学习人工智能模型,可以确定哪些高危婴儿罗普,如果不及时治疗,可能导致失明,他们希望他们的技术可以改善检测在许多地区新生儿服务和有限的几个训练有素的眼科医生。

一个国际研究小组的研究中,科学家和临床医生在英国、巴西、埃及和美国国家健康和保健研究所(NIHR)生物医学研究中心眼科医院NHS信托基金会和伦敦大学眼科研究所发表在ob欧宝直播nba《柳叶刀》杂志上的数字医疗

作者博士Konstantinos Balaskas(导演,Moorfields眼科阅读中心&临床人工智能实验室,眼科医院和副教授,伦敦大学眼科研究所)说,“早产儿视网膜病变是越来越常见的存活率提高在全球范围内,现在儿童失明的主要原因在中等收入国家和美国。”

”多达30%的新生儿在撒哈拉以南非洲地区有一定程度的罗普,而治疗现在可用,它可以导致失明很快如果没有发现和治疗。这通常是由于缺乏眼保健specialists-but,因为它是可检测和治疗的,不让一个孩子应该从罗普失明。”

”变得越来越普遍,许多地区没有足够的训练有素的眼科医生筛选高危儿童;我们希望我们的技术罗普自动化诊断将改善护理服务水平低下的地区和全球成千上万的新生儿预防失明。”

罗普是主要影响早产儿,的薄层生长在视网膜神经细胞在眼睛后面的将光转换成大脑可以识别的信号。这些可以泄漏或出血,视网膜损伤,并可能导致视网膜脱离。当温和形式的罗普不需要治疗,只有监控、更多的急性病例需要及时的治疗。估计全世界有50000儿童失明。

罗普的症状不能看到的,这意味着识别条件的唯一方法是通过监测婴儿与眼科检查风险。没有适当的基础设施全面的产前和产后护理,狭窄的窗口筛查和治疗可能是错过了,导致可预防失明。

UCL-Moorfields团队已经开发出一种人工智能模型筛选罗普,训练样本的7414 1370名新生儿的眼睛的图像已经承认Homerton医院,伦敦,罗普的眼科医生评估。医院是一个种族和socioeconomically罗普也不同,这是重要训练,所以该工具在不同民族确保安全工作的任何人都可以受益。

另一个200然后评估工具的性能相比,图像和高级眼科医生的评估。

研究人员进一步验证工具采用在数据集来自美国、巴西和埃及。

AI工具被发现高级小儿眼科医生一样有效识别正常视网膜图像从那些罗普,可能导致失明。

虽然英国人口的工具进行优化,研究人员说这是有前途的,他们发现它仍然是有效的在其他大洲,他们添加仍然可能对其他环境进一步优化。这个工具已经作为一种无代码开发深度学习平台,这意味着它可以在新设置的优化没有编程经验的人。

第一作者齐格弗里德博士瓦格纳(UCL眼科医院眼科研究所和)说,“我们的发现证明人工智能工具的持续调查为罗普屏幕。我们现在进一步验证我们的工具在多个医院在英国和正试图了解人们如何与艾未未的输出,了解我们可以把工具融入现实世界临床设置。”

“我们希望这个工具将使一个训练有素的护士采取图片,可以评估的人工智能工具,为了使转诊治疗是不需要眼科医生手动检查扫描。”

“人工智能工具在眼科特别有用,一场严重依赖手动扫描的解释和分析检测和监视——使用我们发现进一步证明,人工智能领域可以改变和开放访问sight-saving治疗方法。”

更多信息:齐格弗里德K瓦格纳等,开发和特制的国际验证和无代码加上疾病的深度学习模型检测早产儿视网膜病变:一项回顾性研究中,《柳叶刀》杂志上的数字医疗(2023)。DOI: 10.1016 / s2589 - 7500 (23) 00050 - x

所提供的伦敦大学学院
引用在检测儿童失明的主要原因:AI突破(2023年4月27日)检索2023年5月15日从//www.puressens.com/news/2023-04-ai-breakthrough-childhood.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

艾比大多数人类专家在检测早产婴儿失明的原因

39股票

反馈给编辑