42 EWAP 2023年3月 新闻和观点 by Tirth J. Shah, MD,* Zachary Q. Mortensen, MD,* Michael D. Abramoff, MD, and Thomas A. Oetting, MD *Co-first authors 联系方式 Mortensen: zachary-mortensen@uiowa.edu Oetting: thomas-oetting@uiowa.edu Shah: tirth-shah@uiowa.edu “基于LOCSIII的自动白内障分级人 工智能程序”综述 人工智能（AI） 的迅速崛起彻 底改变了医学 领域。作为以图像为中心的专 业，眼科处于人工智能应用的前 沿。在美国和低收入国家，人工 智能的实施已经提供了眼病的 大规模早期筛查和检测，可以更 好的获取服务并降低了成本，改 善了健康状况。相比之下，用于 晶状体评估的AI 开发仍处于起 步阶段。1,2,3 Lu 等人着手建立和 验证基于晶状体混浊分类系统 III (LOCSIII) 的人工智能辅助自动 白内障分级程序。4 方法 作者前瞻性地分析了2018年至 2020年间在复旦大学眼科拍摄 的白内障眼前节裂隙灯照片的内 部数据集。课题组还从上海浦江 眼科研究所获得了2018年3月至 2019年8月裂隙灯照片的外部数 据集。所有照片均在药物散瞳下 拍摄。内部数据集用于训练、验 证和测试，而外部数据集用于 测试。 每个患者的核性白内障采用 裂隙光束成像、皮质性白内障采 用漫射照明成像，后囊下白内障 采后照明。排除小瞳孔、感兴趣 区域模糊或任何干扰晶状体观察 的角膜疾病的眼。这些图像根 据LOCSIII 分级。核性白内障根 据核颜色分成1.0到6.0级。皮 质和后囊下白内障分成1.0至 5.0级。图像由至少两位经验丰 富的眼科医生进行评分，参考标 准为两位专家的平均值。3.0或 更高级被视为需要转诊的“中度 至重度”。使用Faster R-CNN 和ResNet 在内的高级深度学习 算法识别捕获模式、注释兴趣 区域和对白内障进行分级。使用 混合效应模型的组内相关系数 （ICC）评估不同眼科医生之间 爱荷华大学住医院和教师；最上一排：Arnulfo Reyes，MD，Brandon Baksh，MD，Patrick Donegan，MD，Cheryl Wang，MD，Joanna Silverman，MD，Chad Lewis，MD，Samuel Tadros，MD，Bilal Ahmed，MD，Matthew Meyer，MD；中间一排：Caroline Yu, MD, Sean Rodriguez, MD, Mahsaw Motlagh, MD, Aaron Dotson, MD; 最下一排：项目主 任 Pavlina Kemp, MD, Tirth Shah, MD, Michael Abramoff, MD, Zachary Mortensen, MD 来源:爱荷华大学 本文最初发表于2022 年12 月期 EyeWorld。 经ASCRS Ophthalmic Services Corp 许 可，稍经修改发表于此。
RkJQdWJsaXNoZXIy Njk2NTg0