Assessment of predictive value of artificial intelligence for ophthalmic diseases using electronic health records: A systematic review and meta-analysis
Notice bibliographique
Résumé
The application of artificial intelligence (AI) in ophthalmology has shown significant promise across various clinical domains. This study addresses the need for assessing the predictive value of AI models utilizing electronic health records (EHRs) for diagnosis, prognostication and management of ocular diseases. A search was conducted using Ovid MEDLINE, Ovid EMBASE, and Cochrane Central for relevant studies published between January 2010 to February 2023 on predictive value of AI algorithms in ophthalmic EHRs. The study followed the Preferred Reporting Items for a Systematic Review and Meta-analysis (PRISMA) guidelines, with a protocol registered on Prospero (registration number: CRD42022303128). A bivariate random effects model was used to perform the meta-analysis. The ROBINS-I tool was used to assess methodological quality and applicability of the included studies. Out of 4968 initial records, 41 studies met the inclusion criteria, comprising a total of 639,637 patients, with an average disease prevalence of 11%. The studies exhibited a diagnostic odds ratio of 18.527 (95% CI: 9.654–35.556), sensitivity of 0.811 (95% CI: 0.751−0.859), specificity of 0.812 (95% CI: 0.736−0.87) and Grading of Recommendations, Assessment, Development and Evaluation (GRADE) moderate. Likelihood ratios (LR+ and LR−) were 4.316 (95% CI: 2.938–6.339) and 0.233 (95% CI: 0.169−0.322), respectively. False positive rate was 0.188 (95% CI: 0.13−0.264). Inter-rate concordance for ROBINS-I scoring had a kappa score of 0.83. Out of the 41 studies, 22 had an overall low risk of bias, and 19 had a moderate risk of bias. There was a low to moderate quality of body of evidence for the reported outcomes. This meta-analysis affirms the substantial potential of AI models utilizing EHRs for predictive modeling and clinical management of ocular diseases. Future research should emphasize external validation and standardized reporting for better implementation of AI in ophthalmic practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,044 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,052 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».