Investigating the role of artificial intelligence in the screening, classification, diagnosis and management of epiretinal membrane

Η επιαμφιβληστροειδική μεμβράνη (ERM) αποτελεί μια συχνή παθολογία του αμφιβληστροειδούς που σχετίζεται με προοδευτική μείωση της όρασης, απαιτώντας έγκαιρη και ακριβή εκτίμηση. Οι πρόσφατες εξελίξεις στην τεχνητή νοημοσύνη (AI) έχουν καταστήσει δυνατές αυτοματοποιημένες μεθόδους για την ανίχνευση, την τμηματοποίηση και την πρόβλεψη της μετεγχειρητικά καλύτερα διορθωμένης οπτικής οξύτητας (BCVA) της ERM, προσφέροντας υποσχόμενες προοπτικές για τη βελτίωση της κλινικής αποτελεσματικότητας και της διαγνωστικής ακρίβειας. Πραγματοποιήσαμε μια εκτενή αναζήτηση στη βιβλιογραφία στις βάσεις MEDLINE (μέσω PubMed), Scopus, CENTRAL, ClinicalTrials.gov και Google Scholar από την έναρξή τους έως τις 31 Δεκεμβρίου 2023. Συνολικά, 42 μελέτες συμπεριλήφθηκαν στη συστηματική ανασκόπηση, εκ των οποίων οι 16 επιλέχθηκαν για μετα-ανάλυση. Ο κίνδυνος συστηματικού σφάλματος και η ποιότητα τεκμηρίωσης των δεδομένων αξιολογήθηκαν χρησιμοποιώντας τα εργαλεία QUADAS-2 και CLAIM. Η μετα-ανάλυση των 16 μελετών (533.674 εικόνες) έδειξε ότι τα μοντέλα Deep Learning (DL) πέτυχαν υψηλή διαγνωστική ακρίβεια (AUC = 0.97), με συνολική ευαισθησία και ειδικότητα 0.93 και 0.97, αντίστοιχα. Τα μοντέλα βασισμένα στην οπτική τομογραφία συνοχής (OCT) υπερείχαν εκείνων που βασίζονταν σε έγχρωμες φωτογραφίες βυθού, ενώ, παρά τη διατήρηση υψηλών επιπέδων απόδοσης σε εξωτερικές διαδικασίες επικύρωσης, η θετική προγνωστική αξία (PPV) παρουσίασε μείωση, γεγονός που υπογραμμίζει τη σημασία αξιολόγησης της γενικευσιμότητας των μοντέλων. Σύμφωνα με αυτά που γνωρίζουμε, αυτή είναι η πρώτη συστηματική ανασκόπηση και μετα-ανάλυση που αξιολογεί κριτικά τον ρόλο της τεχνητής νοημοσύνης στην ανίχνευση, τμηματοποίηση και πρόβλεψη της μετεγχειρητικής BCVA της ERM σε διάφορες οφθαλμολογικές απεικονιστικές μεθόδους. Τα ευρήματά μας παρέχουν μια σαφή επισκόπηση των υφιστάμενων δεδομένων που στηρίζουν τη συνεχή ανάπτυξη και κλινική ενσωμάτωση εργαλείων τεχνητής νοημοσύνης για τη διάγνωση και διαχείριση της ERM.

Authors dc:creator

• Μήτρη Πετρούλα
• Mitri Petroula

• Επιστήμες Υγείας
• Health Sciences

Language dc:language

English

Identifier

uoadl:5327616

OAI identifier oai:identifier

oai:lib.uoa.gr:uoadl:5327616