最新：人工智技术探索老年疾病诊断新方法.docx

《最新：人工智技术探索老年疾病诊断新方法.docx》由会员分享，可在线阅读，更多相关《最新：人工智技术探索老年疾病诊断新方法.docx（3页珍藏版）》请在第一文库网上搜索。

1、最新：人工智技术探索老年疾病诊断新方法一、基于眼底照片实现无创、高频评估常见老年病风险解放军总医院第二医学中心曾强教授团队与北京大学临床研究所、北京鹰瞳科技发展股份有限公司等合作开展研究，利用先进的人工智能技术,探索非侵入性、快速、可靠的常见老年疾病的评估方法。前已经在老年痴呆、心血管、内分泌等方面取得了一定的进展。老年痴呆早诊方面，团队开发了一项基于眼底照片的人工智能算法，可准确地估算CAIDE(Cardiovascu1arRiskFactors,AgingzandIncidenceofDementia)痴呆风险评分,以识别痴呆高危人群，这是国际上头个结合人工智能技术和眼底照片信息以识别痴呆

2、高危人群的研究。痴呆症具有比较漫长的临床前阶段，虽然此阶段没有出现认知障碍却出现了神经相关病变，因此早期预测尤为重要。研究共纳入29万余人，开发了基于眼底照片的人工智能算法，可准确地估算CAIDE痴呆风险评分，以识别痴呆高危人群。研究显示在内部验证和外部验证中，该算法均能准确地识别出痴呆高风险者(定义为CAIDE痴呆风险评分10分)，AUC分别为0.944(95%CI:0.939-0.950分0.926(95%CI:0.913-0.939算法估计的CAIDE痴呆风险评分与受试者的综合认知功能得分(MoCA各领域认知功能得分均显著相关。(RongHuazJianhaoXiong,Gai11i,e

3、ta1.Deve1opmentandva1idationofadeep1earninga1gorithmbasedonfundusphotographsforestimatingtheCAIDEdementiariskscorerJ.AgeandAgeing,Vo1ume51,Issue12,December2023,afac282)在心血管方面，团队开发与提升了眼底彩照用于心脑血管疾病预测人工智能模型性能。针对高血压、脑卒中、冠心病/心肌梗死和房颤的预测，模型展现出较高的AUC值（范围为0.895到0.900准确率（AcC）介于0.754到0.835之间，显示出稳定的预测能力。此外，敏感性和

4、特异性的值也表明模型能够对这些心脑血管疾病进行准确的预测。在内分泌方面，团队基于眼底图像预测内分泌和营养代谢疾病的研究结果显示，模型在预测糖尿病和高尿酸血症时表现较好，其在验证集中的AUC值分另!J为0.948和0.915,准确度也分别达到0.883和0.891。对于肥胖症、代谢综合征和内分泌营养代谢疾病，模型的预测性能较为中等，AUC值分别为0773、0.789和0.741。二、利用眼底影像研发抗干扰白内障自动诊断人工智能模型，提高机会筛查效率白内障是全球首位致盲性眼病，曾强教授团队与解放军总医院眼科学部合作研究发表了一项白内障智能诊断研究，即通过眼底图像人工智能模型实现对白内障的精准识S1

5、在内部验证和外部测试中，该模型表现出稳健的性能，筛查白内障人群的受试者工作特征曲线下面积(AUC)分别为91.84%、91.62%o基于眼底影像的人工智能技术已经在白内障筛查中规模应用，但在实际场景中，由于拍摄人员技巧不足或患者配合不当常常存在眼底照片质量缺陷问题，因此，本研究旨在开发并验证基于眼底图像的快速高效诊断的抗干扰AI模型。本研究采用33965张图像开发了模型抗干扰人工智能模型由两个人工智能子模块组成，分别为白内障标注的质量识别模型和白内障分类的卷积神经网络的识别模型。研究结果表明，与在原始二分类标签上训练的模型相比，本研究的抗干扰模型性能提高了10%o该抗干扰模型也在真实环境中进行了内部验证和外部测试，并表现出稳健的白内障诊断性能，受试者工作曲线下面积(AUC)91%,准确度(ACC)84%,灵敏度(SEN)71%z和特异性(SPE)89%o本研究表明，基于眼底图像的抗干扰自动诊断模型可以高效进行白内障诊断。该模型即使在劣质图像干扰的情况下，也能在早期筛查诊断、及时治疗白内障，帮助医生提高诊断效率。