AI-Assisted Optical Coherence Tomography Segmentation for Enhanced Diagnosis of Inherited Retinal Diseases.
Notice bibliographique
Résumé
Purpose Inherited retinal diseases (IRDs) are rare and diverse, posing a diagnostic challenge in ophthalmology. This study aimed to determine whether artificial intelligence (AI)-assisted image processing can improve IRD diagnosis and provide insights into disease characteristics. We used an optical coherence tomography (OCT) segmentation algorithm to characterize retinal features in IRDs. Two control groups were included to enhance the contextual understanding of these features: healthy eyes and eyes with age-related macular degeneration (AMD). An AI-driven classification model was then used to classify the data into disease and control groups. Methods We analyzed 327 images from 181 patients with IRD and 146 control individuals, including healthy subjects and patients with AMD. IRD cases were stratified into macular and retinal dystrophies. Automated segmentation of six retinal layers and detection of nine biomarkers were performed on retinal OCT images using the AI-based RetinAI Discovery tool. A random forest classifier differentiated macular IRD, retinal IRD, and controls. Results The model detected IRD with 91% accuracy and achieved 91% accuracy in differentiating macular from retinal IRD. Key OCT features for differentiation included reduced perifoveal photoreceptor and outer nuclear layer thicknesses and increased retinal nerve fiber layer thickness in retinal IRD. Macular IRD featured significant foveal photoreceptor and outer nuclear layer thinning. Conclusions This study shows that standardized OCT image analysis combined with AI-based classification can accurately detect and stratify IRDs. The model's high accuracy highlights its potential as a reliable diagnostic tool in ophthalmology. Translational Relevance This AI-assisted OCT evaluation approach enhances ophthalmic diagnostics by improving IRD detection and classification.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».