定期篩查早期發現常見的慢性病可能會受益于深度學習方法的使用,尤其是在資源貧乏或偏遠地區。


2021年6月15日,澳門科技大學,四川大學,清華大學,中山大學,北京郵電大學等多單位合作,張康,陳挺,徐濤,周永及王光宇共同通訊在Nature Biomedical Engineering (IF=18.95)在線發表題為“Deep-learning models for the detection and incidence prediction of chronic kidney disease and type 2 diabetes from retinal fundus images”的研究論文,該研究展示了深度學習模型可用于僅從眼底圖像或結合臨床元數據(年齡、性別、身高、體重、體重指數和血壓)識別慢性腎病和 2 型糖尿病。


接收器操作特性曲線為 0.85–0.93。這些模型使用來自 57,672 名患者的總共 115,344 張視網膜眼底照片進行訓練和驗證,還可用于預測估計的腎小球濾過率和血糖水平,并根據疾病進展風險對患者進行分層。該研究通過基于人群的外部驗證隊列和使用智能手機捕獲的眼底圖像的前瞻性研究評估了用于識別慢性腎病和 2 型糖尿病的模型的普遍性,并評估了在縱向隊列中預測疾病進展的可行性。


四川大學等開發新系統,使用智能手機僅從眼底圖像就能篩查慢性腎病等疾病


全身性疾病,包括慢性腎病 (CKD) 和糖尿病,構成了重大的衛生保健挑戰。CKD 是一種高度流行的疾病,影響了大約 8-16% 的世界人口 。CKD 是一個嚴重的公共衛生問題,因為其不良后果不僅限于需要透析或移植的終末期腎功能衰竭,還包括腎功能受損的血管并發癥。此外,心血管事件和死亡率與高危糖尿病或高血壓人群的 CKD 密切相關。 2 型糖尿病 (T2DM) 是全球另一種主要的常見慢性病,2019 年估計患病率為 9.3%(4.63 億受累個體)。


據國際糖尿病聯盟稱,其患病率近年來一直在穩步上升,并將達到預計到 2045 年將達到 7 億。根據美國疾病控制和預防中心的數據,糖尿病是全球主要的死亡原因之一。它也是許多其他常見醫療問題的主要危險因素,包括心血管疾病、腎功能衰竭和失明。在許多這些情況下,早期診斷和治療對于減少相關的合并癥和死亡率至關重要。然而,CKD 和糖尿病的早期識別和診斷仍然具有挑戰性,因為許多患者沒有癥狀或只有非特異性癥狀,一些報告表明多達 5% 的糖尿病人群仍未確診。


美國糖尿病協會 (ADA) 建議對患有糖尿病至少 5 年的患者每年檢測尿白蛋白和估計的腎小球濾過率 (eGFR)。此前有研究報道,中國CKD知曉率低于20%,治療率低于50%。定期篩查對于早期發現和診斷 CKD 以及預防其進展至關重要。在中國進行的一項成本效益分析表明,通過篩查新診斷為 T2DM 的患者的腎臟疾病可以大大降低醫療費用。早期發現和干預是預防 CKD 終末期腎功能衰竭和糖尿病視網膜病變危及視力的并發癥的關鍵。


四川大學等開發新系統,使用智能手機僅從眼底圖像就能篩查慢性腎病等疾病


眼睛的視網膜是進入身體動態平衡的一個方便的窗口,使我們能夠以非侵入性的方式觀察血管、神經和結締組織的結構,如果是脈管系統,則可以動態觀察。全身性疾病可能在眼底有表現,使我們能夠檢測、診斷、分期、監測和管理全身性疾病。使用深度學習分類器的最新進展導致人工智能 (AI) 在醫療保健的許多領域得到應用,包括基于圖像的診斷和自然語言處理。


盡管最近有使用基于視網膜圖像的 AI 系統檢測 CKD 的報告,但尚未描述從正?;€預測 CKD 發作和使用 AI 診斷早期 CKD,這將對疾病預防和有利結果產生重要影響。同樣,預測 T2DM 的發病對于疾病預防和改善結果至關重要。在這里,該研究使用視網膜圖像和已知的臨床危險因素探索了發展為 CKD 和 T2DM 的風險分層。識別這種無癥狀的病前人群提供了更好地引導衛生保健資源以監測“有風險的患者”,并在早期改變生活方式和其他風險因素的可能性。


人工智能在醫療保健中應用的關鍵挑戰之一,尤其是在資源匱乏的環境中,是缺乏運行人工智能算法所需的穩定計算基礎設施和資源。因此,通過移動系統部署基于人工智能的技術已成為一個不斷增長的研究領域。最新的個人智能手機配備了運行 AI 算法所需的硬件,例如 Google Translate、Siri、FaceID 和具有對象識別功能的購物應用程序。借助 Android 的神經網絡 API (NNAPI) 和 Apple iPhone X 中的神經引擎芯片,智能手機現在部署了一系列機器學習算法,包括對象跟蹤、人臉檢測和識別。此外,智能手機的擁有在全球范圍內很普遍。例如,在尼日利亞,醫患比為 1:2660,而智能手機擁有率為 1:3.5。因此,基于人工智能的智能手機診斷系統是一種有吸引力的方式,可以通過鼓勵患者進行自我監控并允許醫生遠程診斷和跟蹤患者來擴大醫療保健范圍。


在這項研究中,旨在開發一種能夠分析視網膜眼底圖像以檢測 CKD 和 T2DM 的 AI 系統。該研究對兩種類型的任務采用基于深度學習的視網膜眼底圖像分析:預測連續值(包括 eGFR)的回歸任務和進行診斷的二元分類任務。該研究還驗證了在外部獨立患者群體中檢測 CKD 和 T2DM 的 AI 算法。此外,該研究展示了AI 系統可以使用兩個縱向隊列中的視網膜圖像預測疾病發展并執行 CKD 和 T2DM 的風險分層。使用這種方法,有針對性地篩查人群亞群可能有助于為最有可能患上疾病的人提供降低風險的干預措施。最后,該研究創建了一個基于智能手機的系統,為社區中的 CKD 和 T2DM 篩查提供即時護理系統。


文章來源: 楓葉,iNature

免責聲明

我來說幾句

不吐不快,我來說兩句
最新評論

還沒有人評論哦,搶沙發吧~