AI赋能眼科诊断:基于深度学习的图像分析技术或成葡萄膜黑色素瘤筛查新利器

  • 2025-04-02 17:29:00
  • 74 Views

编者按:葡萄膜黑色素瘤(UM)是成人最常见的原发性眼内恶性肿瘤,其年发病率约为6例/百万人口,具有高度侵袭性。约50%患者最终发生远处转移(其中90%为肝转移),转移后中位生存期仅6~12个月,这一预后凸显了早期诊断的迫切性。传统UM诊断体系依赖于多模态影像联合分析:眼底彩照捕捉橙红色素沉积特征;超声生物显微镜测定肿瘤三维参数(厚度>2mm,基底最大直径>5mm);光学相干断层扫描(OCT)识别视网膜下积液及新生血管形成等继发改变。然而临床实践显示,23%转诊病例存在前期误诊史,主要源于非典型UM与脉络膜色素痣的形态学重叠。Sarah E Coupland团队近期在Ophthalmol Sci发表研究,验证自监督深度学习框架RETFound对二者的鉴别效果,为AI驱动眼科精准诊疗提供新范式。


研究方法

在排除低质量图像后,研究纳入了18510张UM、8671张脉络膜色素痣和1192张健康眼图像。研究团队采用基于视觉Transformer架构的自监督学习模型RETFound,针对“UM VS脉络膜色素痣”的二分类任务进行迁移学习微调,继而扩展为包含健康眼的三分类模型。性能验证采用多维度指标交叉验证,首要指标为受试者工作特征曲线下面积(AUROC),次要指标包括准确率、灵敏度、特异度、F1分数及Matthews相关系数(MCC)等。统计分析采用DeLong检验比较ROC曲线差异,分类阈值由Youden指数确定。


研究结果

基线特征解析:UM组男性比例略高,脉络膜色素痣组女性占比较多,两组患者中位年龄无统计学差异。与脉络膜色素痣组相比,UM组的肿瘤最大基底直径及厚度更大。在UM组中,T3分期最为常见,其次为T2、T1和T4分期;而在脉络膜色素痣组中,T1分期最为常见,极少数被归类为T2和T3分期,未见T4分期。玻璃膜疣(脉络膜色素痣50% VS UM8%)与视网膜下液(UM46% VS 脉络膜色素痣7%)分布相反。

二分类模型性能:RETFound在鉴别UM与脉络膜色素痣任务中,整体准确率达0.83。模型特异性高达0.87,灵敏度为0.79,F1分数0.84,MCC 0.66,显示出优异的分类稳定性。AUROC达0.90(0.87-0.93),ROC曲线紧贴左上象限,证实其出色的分类判别能力。


亚组分析启示:针对小肿瘤鉴别难点,研究团队分别以T1期和T2期UM联合脉络膜色素痣样本进行测试。结果显示,T1亚组准确率为0.80,T2亚组为0.83,证实模型对早期病变仍具诊断价值。特别在排除视网膜下积液/玻璃膜疣的病例中,准确率分别提升至0.84和0.89。

三分类模型性能:模型扩展至包含健康眼的三分类任务后,对UM、色素痣及健康眼的识别准确率分别为86%、76%和83%;平均准确率为82%,平均特异度85%、平均敏感度73%。尽管受数据集不均衡影响(F1 0.72),其性能仍显著优于传统诊断方法。


研究结论

该研究结果证实了基于自监督深度学习模型在单中心来源、图像数据分布不均的大规模队列中实现UM与脉络膜色素痣高精度鉴别诊断的可行性。需注意,当前研究存在单中心数据的局限性,后续计划开展多中心外部验证(包括亚洲人群队列),并探索多模态影像融合(如增强MRI纹理特征)以进一步提升诊断精度。


参考文献:Jackson M, Kalirai H, Hussain RN, Heimann H, Zheng Y, Coupland SE. Differentiating Choroidal Melanomas and Nevi Using a Self-Supervised Deep Learning Model Applied to Clinical Fundoscopy Images. Ophthalmol Sci. 2024 Nov 8;5(2):100647. doi: 10.1016/j.xops.2024.100647. PMID: 39802204; PMCID: PMC11719834.


声明:本文仅供医疗卫生专业人士了解最新医药资讯参考使用,不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议,如果该信息被用于资讯以外的目的,本站及作者不承担相关责任。

2 comments

发布留言

条评论

  • Linda Gareth
    2015年3月6日, 下午2:51

    Donec ipsum diam, pretium maecenas mollis dapibus risus. Nullam tindun pulvinar at interdum eget, suscipit eget felis. Pellentesque est faucibus tincidunt risus id interdum primis orci cubilla gravida.