Utvärdering av artificiell intelligens algoritmer för näthinnebildanalys

Bakgrund: Med en ökning av den globala åldrande befolkningen ökar också synnedsättningen på grund av åldersrelaterade ögonsjukdomar. Fundusfotografering används ofta för att upptäcka den huvudsakliga trion som drabbar äldre patienter: diabetisk retinopati, åldersrelaterad makuladegeneration och glaukom. Flera AI-algoritmer har visat hög prestanda för att utvärdera näthinnebilden för dessa sjukdomar.  

Frågeställningar: En av de största utmaningarna med att anpassa AI-systemen till klinisk praxis är problemen med generaliserbarheten av AI-system till populationer av olika etniciteter, olika kliniska tillämpningsscenarier och bilder tagna med olika apparater. Syftet med projektet är att utvärdera artificiell intelligens algoritmer för näthinnebildanalys för att studera hur algoritmerna kan överföras till klinisk praxis. Detta kommer att hjälpa oss att bedöma generaliserbarheten av algoritmerna för klinisk användning.

Arbetsplan: Den första fasen av detta projekt kommer att utvärdera 2 AI-system och den förväntade tiden för implementering, datainsamling och analys är 1 år.

Betydelse: Det är viktigt att utvärdera AI-systemets diagnostiska noggrannhet och dess genomförbarhet. Utöver detta är det viktigt att förstå de utmaningar, begränsningar och möjligheter som är förknippade med den kliniska användningen av AI. Dessa framsteg kommer att minska belastningen på sjukvårdssystemen och förbättra patientresultaten, förutom att förbättra diagnostisk noggrannhet och effektivitet.