Loading...
Хиймэл оюун ухаанд суурилсан RetCAD программаар чихрийн шижингийн ретинопатийн эрт илрүүлэг хийсэн үр дүн (АШУҮИС-ийн МЯЭ-ийн жишээ дээр)
Зохиогч
Он
2024 оны нэгдүгээр сарын 21
Төрөл
journal article
Journal
Эрүүл мэндийн шинжлэх ухаан
Volume
20
Issue
1
Start Page
123
End Page
126
ISSN
2959-6947
Хураангуй
Үндэслэл: Дэлхийн хэмжээнд сохрол, сул хараа үүсгэх тэргүүлэх шалтгаануудын нэгд чихрийн шижингийн ретинопати орж байна. Эрт илрүүлэг хийх нь уг эмгэгийн хүндрэлээс сэргийлэх хамгийн гол менежмент юм. Манай оронд одоогоор нүд судлалын салбарт Чихрийн шижингийн ретинопати (ЧШР) оношилгоонд хиймэл оюун ухааны ашиглан хийсэн судалгааны ажил бүртгэгдээгүй байгаа нь бидний судалгааны ажлын үндэслэл боллоо. Зорилго: Хиймэл оюун ухааны RetCAD программмыг ашиглан Монгол хүнд чихрийн шижингийн ретинопатийг судлах. Арга, аргачлал: Судалгаанд нийт 18-92 насны 400 үйлчлүүлэгчийг тохиолдлын болон харьцангуй эрүүл бүлгийн харьцаа 1:3 байхаар санамсаргүй түүврийн аргаар сонгон хамрууллаа. Бүх үйлчлүүлэгчдэд нүдний эмчийн бүрэн үзлэг хийн чихрийн шижингийн ретинопатийн үе шат, хүндрэлийн зэргийг тодорхойлсон дүгнэлтийг хиймэл оюун ухааны хамгийн сүүлийн үеийн загвар RetCAD программын тоон үнэлгээтэй харьцуулан агшингийн загвараар судаллаа. Үр дүн: Судалгаанд хамрагсадын дундаж нас 51.45±9.40 жил, ЧШ-тэй хүмүүсийн 59.5% нь эдийн ургалтгүй ЧШР-ийн хөнгөн зэрэг, 23% нь эдийн ургалтгүй ЧШР-ийн дунд зэрэг, 9.5% нь эдийн ургалтгүй ЧШР-ийн хүнд зэрэг, 8.0% нь эдийн ургалттай ЧШР оноштой байсан. Нүдний эмчийн дүгнэлт ба хиймэл оюун ухааны программын нийцэл хөнгөн зэргийн үед 91.4%, дунд зэргийн үед 95.6%, хүнд зэргийн үед 94.7%, эдийн ургалттай үед 93.7% байв. Нийцлийн буюу Каппа коэффициент ЧШР байхгүй үед 0.73, ЧШР-ийн үед 0.71 байв. Нүдний угийн өнгөт зургийн үнэлгээнд RetCAD хиймэл оюун ухаан программ хангамж нь мэдрэг чанар 92.4%, өвөрмөц чанар 94.7%, AUC 0.93 байв. Дүгнэлт: RetCAD хиймэл оюун ухааны программ нь чихрийн шижингийн ретинопатийг богино хугацаанд олон хүнд мэдрэг, өвөрмөц чанар өндөртэй, харьцангуй алдаа багатай эрт илрүүлэг, оношилгоог хийж байна.
Background: Diabetic retinopathy is one of top leading causes of blindness and low vision Worldwide. It is considered avoidable blindness, and early detection is the most important management strategy in these conditions. In our country, artificial intelligence has not been used in ophthalmology, especially DR screening. Aim: To assess the accuracy of an artificial intelligence-based RetCAD software screening in diabetic retinopathy in Mongolian diabetic retinopathy patients. Materials and Methods: The research was conducted in a cross-sectional model among the patients who attended the outpatient clinic of the Mongolian-Japan hospital of MNUMS. A total of 400 participants, 18-92 age were randomly selected for the study, with a 1:3 ratio of diabetic retinopathy and relatively healthy controls. All participants underwent complete eye examinations. Fundus color images were obtained for all participants using a RetCAD fundus camera. A comparison of the conclusions made by artificial intelligence with the conclusions of the ophthalmologist’s examination was studied. Results: The average age of the participants was 51.45±9.40 years, and the gender ratio was not statistically different between the two groups. Our studies found that 59.5% of people with DR were diagnosed with mild NPDR, 23% with moderate NPDR, 9.5% with severe NPDR, and 8.0% with PDR. The agreement between the ophthalmologist’s diagnosis and the AI program was 91.4% for mild, 95.6% for moderate, 94.7% for severe, and 93.7% for PDR. The Kappa Measure of Agreement was for no DR 0.73 and DR 0.71. RetCAD artificial intelligence software had a sensitivity of 92.4%, a specificity of 94.7%, and 0.93 AUC for the evaluation of fundus images. Adjudication was provided by a second expert examiner in case of disagreement between the AI software and the reference examiner. Conclusion: RetCAD offers better sensitivity and specificity compared to ophthalmologist examination and a lower cost and shorter time, less misdiagnosis for early detection of DR.
Нэмэлт мэдээлэл
Бүрэн эх: https://journal.mnums.edu.mn/index.php/emsu/article/view/979
Эшлэл
Э.Түмэнжаргал, Б.Оюунтөгс, П.Баясгалан. Хиймэл оюун ухаанд суурилсан RetCAD программаар чихрийн шижингийн ретинопатийн эрт илрүүлэг хийсэн үр дүн (АШУҮИС-ийн МЯЭ-ийн жишээ дээр). Эрүүл мэндийн шинжлэх ухаан. 2024;20(1):123-126.