Окуломика представляет собой инновационную технологию, использующую офтальмологические характеристики для обнаружения биомаркеров системных заболеваний.
Цель исследования заключается в изучении возможности применения изображений глазного дна для оценки уровня гликированного гемоглобина A1c (HbA1c) и предсказания сердечно-сосудистого риска. Это особенно важно, поскольку HbA1c является ключевым показателем при контроле диабета.
Объем выборки составил 6118 изображений глазного дна, из которых 1138 были признаны нормальными. Такой масштаб исследования позволяет получить более точные и надежные результаты.
Модели на основе искусственного интеллекта играют важную роль в этом исследовании. Использование модели VGG19, основанной на нейронных сетях, показало наилучшие результаты в оценке HbA1c. Интересно, что модели, обученные на данных как молодых, так и пожилых людей, продемонстрировали лучшую точность.
Тем не менее, в моделях искусственного интеллекта может возникать проблема снижения производительности при наличии входных данных, не связанных с обучающим набором, или при столкновении с непредвиденными клиническими сценариями. Однако внедрение систем непрерывного обучения может помочь в преодолении этой проблемы.
В будущем системы искусственного интеллекта в области окуломики должны быть разработаны для улучшения ориентированного на человека здравоохранения, упрощая рабочие процессы врачей, повышая качество лечения и улучшая результаты для пациентов.
Источник: news-medical
Цель исследования заключается в изучении возможности применения изображений глазного дна для оценки уровня гликированного гемоглобина A1c (HbA1c) и предсказания сердечно-сосудистого риска. Это особенно важно, поскольку HbA1c является ключевым показателем при контроле диабета.
Объем выборки составил 6118 изображений глазного дна, из которых 1138 были признаны нормальными. Такой масштаб исследования позволяет получить более точные и надежные результаты.
Модели на основе искусственного интеллекта играют важную роль в этом исследовании. Использование модели VGG19, основанной на нейронных сетях, показало наилучшие результаты в оценке HbA1c. Интересно, что модели, обученные на данных как молодых, так и пожилых людей, продемонстрировали лучшую точность.
Тем не менее, в моделях искусственного интеллекта может возникать проблема снижения производительности при наличии входных данных, не связанных с обучающим набором, или при столкновении с непредвиденными клиническими сценариями. Однако внедрение систем непрерывного обучения может помочь в преодолении этой проблемы.
В будущем системы искусственного интеллекта в области окуломики должны быть разработаны для улучшения ориентированного на человека здравоохранения, упрощая рабочие процессы врачей, повышая качество лечения и улучшая результаты для пациентов.
Источник: news-medical
