使用深度学习预测晚期年龄相关性黄斑变性的风险
图像与视频处理
2020-07-21 v1 计算机视觉与模式识别
摘要
到 2040 年，年龄相关性黄斑变性（AMD）将影响全球约 2.88 亿人。识别处于进展为晚期 AMD（威胁视力的阶段）高风险中的个体，对于临床措施（包括医疗干预和及时监测）至关重要。尽管深度学习在利用彩色眼底照相诊断和筛查 AMD 方面已显示出前景，但准确预测个体晚期 AMD 风险仍然困难。对于这两项任务，这些初期的深度学习尝试在独立队列中基本上仍未得到验证。在此，我们展示了深度学习和生存分析如何预测进展为晚期 AMD 的概率，使用了来自 Age-Related Eye Disease Studies AREDS 和 AREDS2 的 3,298 名参与者（超过 80,000 张图像），这是 AMD 领域最大的纵向临床试验。当针对 601 名参与者的独立测试数据集进行验证时，我们的模型实现了高预后准确性（五年 C 统计量 86.4（95% 置信区间 86.2-86.6）），大幅超过了使用两种现有临床标准的视网膜专家（分别为 81.3（81.1-81.5）和 82.0（81.8-82.3））。有趣的是，我们的方法在 AMD 预后方面相比现有临床标准具有额外优势（例如，50% 以上的风险确定），并且可能具有高度泛化性，因为来自 82 家美国视网膜专科诊所的训练数据广泛。事实上，在通过训练于 AREDS 并测试于作为独立队列的 AREDS2 进行外部验证时，我们的模型保持了比现有临床标准显著更高的预后准确性。这些结果凸显了深度学习系统增强 AMD 患者临床决策的潜力。
引用
@article{arxiv.2007.09550,
title = {Predicting risk of late age-related macular degeneration using deep learning},
author = {Yifan Peng and Tiarnan D. Keenan and Qingyu Chen and Elvira Agrón and Alexis Allot and Wai T. Wong and Emily Y. Chew and Zhiyong Lu},
journal= {arXiv preprint arXiv:2007.09550},
year = {2020}
}
备注
Accepted by npj Digital Medicine