Das vorgeschlagene autonome KI-Diagnosesystem besteht aus zwei Komponenten: einem Bildqualitätsbewertungsmodell und einem Diagnosemodell. Der Systemworkflow wird in Abbildung 4 gezeigt. Das System nimmt ein einzelnes Augenhintergrundbild als Eingabe und beginnt dann mit dem Bildqualitätsbewertungsmodell, das bestimmt, ob die Bildqualität für eine Diagnose geeignet ist. Wenn dies der Fall ist, generiert das Diagnosemodell diagnostische Vorschläge; andernfalls gibt das System einen Alarm aus, der anzeigt, dass die Bildqualität nicht für eine Diagnose geeignet ist und dass das System keine diagnostischen Vorschläge machen kann. Das System besteht aus einem Modell zur Qualitätsbewertung und einem Diagnosemodell, wobei das Diagnosemodell auf einem CNN-Modell, seResNext50, basiert und insgesamt 13 Augenhintergrunderkrankungen identifizieren kann. Die Ergebnisse des Systems zeigen eine durchschnittliche Sensitivität von 89,9% und eine durchschnittliche Spezifität von 95,3%.
Die Studie wurde in fünf tertiären Krankenhäusern in verschiedenen Teilen Chinas durchgeführt. Insgesamt wurden 750 Teilnehmer von August 2020 bis Januar 2021 prospektiv in dieser Beobachtungsstudie gescreent. Die Teilnehmer waren ambulante Patienten im Alter von 18-75 Jahren, die aus medizinischen Gründen eine Augenhintergrunduntersuchung erhalten hatten. Die ausgewählten 13 Augenhintergrundkrankheiten wurden nach ihrer Prävalenz und ihrer Bedrohung für die Sehfunktion festgelegt. Die Fundusbilder wurden von Experten und Junior-Augenärzten annotiert, wobei die diagnostische Konsistenz als primärer Indikator für die Leistung des Systems verwendet wurde.
Die Fundusbilder wurden von sechs Experten-Augenärzten annotiert und von neun Junior-Augenärzten unabhängig voneinander bewertet. Es wurde eine Kombination aus Experten- und Juniorbewertungen verwendet, um die Leistung des Systems zu bewerten. Die Ergebnisse zeigten eine gute diagnostische Konsistenz und Genauigkeit des Systems bei der Identifizierung von Augenhintergrundkrankheiten. Eine Post-hoc-Analyse untersuchte das Verhalten der Junior-Augenärzte bei der Nutzung des KI-Systems und die Effizienz eines zweistufigen Protokolls zur Diagnose von Augenhintergrundkrankheiten. Die Studie zeigte vielversprechende Ergebnisse in Bezug auf die diagnostische Leistung des autonomen KI-Diagnosesystems in der Augenheilkunde.