的观察者间重复性。 结果 内部数据共847 张裂隙光 束、326张漫射照射和155张后 彻照照片，外部数据共192张 裂隙光束，92张漫射照射照片 和71张后彻照照片。白内障评 估的观察者间可重复性的ICC 值，核内、核外、皮质内、皮 质外、后囊下内和后囊下外白 内障，分别为0.958、0.718、 0.787、0.733、0.835 和0.780。 作者发现99.4% 的内部照片和 100% 的外部照片对于核性白内 障分级的绝对预测误差≤1.0。 外部数据集和内部数据集的核 性白内障分级准确度分别为 93.6% 和92.7%。对于皮质性 白内障的分级，作者发现75% 的内部数据集和 93.5% 的外部 数据集的绝对预测误差≤1.0。 皮质性白内障分级的准确度， 内部数据集和外部数据集分别 为84.4% 和 80.4%。相反，后囊 下白内障的分级不一致，没有临 床价值。 讨论 在眼科领域，人工智能为白内障 评估不足提供了一种潜在的解决 方案，特别是在发展中国家。这 项研究表明，对于核性白内障的 分级和提供适当转诊方面，使用 相对较小的训练集就可以获得足 够的性能。然而，在将此类算法 用于研究和服务患者之前，仍然 存在局限性，尤其是在偏差方 面。人工智能是在一个与训练集 非常相似的单种族样本上进行评 估的，这可能高估了性能。此 外，了解图像是如何捕获的以及 这是否可以推广到其他场合，可 能会有所帮助，因为其他场合的 眼科检查仪器和裂隙灯数码相机 可能存在更多差异。 虽然LOCSIII 对于白内障的 标准化和分级是有效的，但在临 床环境中应用可能具有挑战性， 因为手术干预的适应症在很大程 度上取决于患者的视觉功能。然 而，这种自动白内障分级系统可 能可以用于研究领域，例如在 大规模药物试验中监测白内障 进展。 总的来说，我们赞扬作者的 出色工作。我们希望他们的发 现可以丰富了不断增长的 AI 文 献，并有助于进一步研究和解决 医疗服务的差异。EWAP 参考文献 1. Abràmoff MD, et al. Improved automated detection of diabetic retinopathy on a publicly available 基于晶状体混浊分类系统III的人工智能程序用于自 动白内障分级 Lu Q, et al. J Cataract Refract Surg. 2022;48:528–534 •目的: 建立和验证基于晶状体混浊分类系统III (LOCSIII) 的人工智能 （AI）辅助自动白内障分级程序。 •地点: 中国上海复旦大学眼耳鼻喉科（EENT）医院。 •设计: 人工智能训练 •方法: 将包括Faster R-CNN 和ResNet 在内的高级深度学习算法应用 于感兴趣区域的定位和分析。复旦大学眼耳鼻喉科医院的内部数 据集和浦江眼科研究的外部数据集用于人工智能训练、验证和测 试。数据集在AI 平台上根据捕获模式和基于LOCSIII 系统的白内 障分级自动标记。 •结果: AI 程序显示了可靠的捕获模式识别、分级和转诊核性和皮质型 白内障分级的能力。在内部和外部数据集中，99.4% 和100% 的 自动核分级分别具有≤1.0 的绝对预测误差，具有令人满意的转 诊能力（曲线下面积[AUC]：内部数据集为0.983；外部数据集 为0.977）。75.0%（内部数据集）和93.5%（外部数据集）的自 动皮质分级的绝对预测误差≤1.0，转诊的AUC 分别为0.855 和 0.795。当评估核性和皮质性白内障时，自动和手动分级之间观察 到良好的一致性。然而，后囊下白内障的自动分级不可行。 •结论: I本研究中提出的AI 程序显示了基于LOCSIII 的强大的核性和皮质 性白内障分级和诊断性能。 dataset through integration of deep learning. Invest Ophthalmol Vis Sci. 2016;57:5200–5206. 2. Pead E, et al. Automated detection of age-related macular degeneration in color fundus photography: a systematic review. Surv Ophthalmol. 2019;64:498–511. 3. Devalla SK, et al. Glaucoma management in the era of artificial intelligence. Br J Ophthalmol. 2020;104:301–311. 4. Lu Q, et al. Lens Opacities Classification System III-based artificial intelligence program for automatic cataract grading. J Cataract Refract Surg. 2022;48:528–534. 编者按：Dr. Mortensen 和Shah 是爱荷 华州，爱荷华市，爱荷华大学，眼科住院 医师，Dr.Oetting 是其副住院医师项目 副主任。 新闻和观点 EWAP 2023年3月 43
RkJQdWJsaXNoZXIy Njk2NTg0