21 février 2024
1 minute de lecture
Ajouter un sujet aux alertes par e-mail
Recevoir un email lorsque de nouveaux articles sont publiés sur
Veuillez fournir votre adresse e-mail pour recevoir un e-mail lorsque de nouveaux articles sont publiés sur . ” data-action=”subscribe”> Abonnez-vous
Nous n’avons pas pu traiter votre demande. Veuillez réessayer plus tard. Si vous continuez à rencontrer ce problème, veuillez contacter [email protected].
Retour à Hélio
Points clés à retenir:
- Le modèle d’apprentissage automatique a réussi à identifier tous les yeux présentant un NPDR léger qui a progressé en un an.
- Le modèle a identifié 85 % des yeux présentant une NPDR modérée qui a progressé en un an.
Selon une étude publiée dans JAMA Ophthalmology, des modèles automatisés d’apprentissage automatique ont identifié avec précision le risque de progression de la rétinopathie diabétique à l’aide d’images rétiniennes à champ ultra large.
“L’estimation du risque de progression de la rétinopathie diabétique (RD) est l’une des tâches les plus importantes et les plus difficiles auxquelles les cliniciens sont confrontés lorsqu’ils soignent des personnes atteintes d’une maladie oculaire diabétique”, Paolo S. Silva, MD, du Beetham Eye Institute du Joslin Diabetes Center, et des collègues ont écrit.
Selon des recherches récentes, des modèles automatisés d’apprentissage automatique pourraient aider à évaluer le risque de progression de la rétinopathie diabétique. Image : Adobe Stock
Dans une étude prospective de développement et de validation de modèles d’apprentissage automatique automatisés pour prédire la progression de la RD, les chercheurs ont inclus 1 179 images rétiniennes à champ ultra large anonymisées, qui ont toutes été prises avec l’imageur rétinien californien (Optos). Parmi eux, 32,2 % présentaient une RD non proliférative légère (NPDR) et 67,8 % une NDPR modérée.
Selon les résultats, la moitié de l’ensemble de formation avait une progression DR. En utilisant l’aire sous la courbe précision-rappel (AUPRC) pour déterminer l’exactitude du modèle, les chercheurs ont rapporté un AUPRC de 0,717 pour le NPDR léger avec une précision et un rappel de 53,16 % et un AUPRC de 0,863 pour un NPDR modéré avec une précision et un rappel de 75 %.
Dans l’ensemble de validation, le modèle a réussi à identifier 77,5 % des yeux présentant un NPDR léger et 85,4 % des yeux présentant un NPDR modéré qui ont progressé d’au moins deux étapes. Le modèle a également réussi à identifier tous les yeux présentant une NPDR légère et 85 % des yeux présentant une NPDR modérée qui ont progressé en un an.
« Bien qu’une validation prospective et une approbation réglementaire soient nécessaires avant que ces modèles d’IA soient mis à la disposition des médecins pour une utilisation clinique, nos résultats mettent en évidence l’accessibilité croissante de ces modèles. [machine learning] applications pour répondre à des besoins cliniques non satisfaits susceptibles d’améliorer les résultats du dépistage et de la vision des patients diabétiques », ont écrit Silva et ses collègues.
Publié par:
Effondrement
Divulgations :
Silva rapporte des subventions du Massachusetts Lions Eye Research Fund ; le soutien non financier de Kubota Vision, Optomed et Optos ; et les honoraires personnels de Bayer, Novartis et Roche. Veuillez consulter l’étude pour connaître les informations financières pertinentes de tous les autres auteurs.
Ajouter un sujet aux alertes par e-mail
Recevoir un email lorsque de nouveaux articles sont publiés sur
Veuillez fournir votre adresse e-mail pour recevoir un e-mail lorsque de nouveaux articles sont publiés sur . ” data-action=”subscribe”> Abonnez-vous
Nous n’avons pas pu traiter votre demande. Veuillez réessayer plus tard. Si vous continuez à rencontrer ce problème, veuillez contacter [email protected].
Retour à Hélio
2024-02-22 01:04:44
1708555258
#Les #modèles #automatisés #dapprentissage #automatique #peuvent #aider #prédire #progression #rétinopathie #diabétique