要約
目的: 人工知能深層学習プラットフォーム (ORAiCLE) の精度を作成および評価すること。網膜眼底画像のみを使用して、個人の全体的な 5 年間の心血管リスク (CVD) と、これを構成する構成要素のリスク要因の相対的な寄与の両方を予測することができます。
危険。
方法: 47,236 人の患者の来院のデータベースから 165,907 枚の網膜画像を使用しました。
最初に、各画像をバイオメトリックデータの年齢、民族性、性別、糖尿病の存在と期間、HDL/LDL比、および網膜画像取得から5年以内のCVDイベントと組み合わせました。
フラミンガム方程式に基づくリスク スコアが計算されました。
個人および集団全体について、実際の CVD 発生率も決定されました。
最後に、ORAiCLE は、年齢、民族、性別、および網膜画像のみを使用してトレーニングされました。
結果: Framingham ベースのスコアと比較して、ORAiCLE は、特にリスクが最も高いグループの人々に対して、今後 5 年間の心血管イベントの予測において最大 12% 正確でした。
制限のある各モデルの信頼性と精度は、ORAiCLE のパフォーマンスにとって最適ではなく、両方のデータ セットのデータを使用して最終結果を導き出したことを示しています。
結論: 網膜写真は安価であり、完全に自動化された安価なカメラ システムが現在広く利用されているため、それらを取得するために最小限のトレーニングしか必要ありません。
そのため、ORAiCLE などの AI ベースの CVD リスク アルゴリズムは、CV 健康スクリーニングをより正確に、より手頃な価格で、すべての人にとってよりアクセスしやすいものにすることを約束します。
さらに、個人の全体的なリスクを構成するコンポーネントの相対的な寄与を評価するORAiCLE独自の機能により、個人の特定のニーズに基づいて治療の決定が通知され、それによって健康上の良い結果が得られる可能性が高まります。
要約(オリジナル)
Purpose: To create and evaluate the accuracy of an artificial intelligence Deep learning platform (ORAiCLE) capable of using only retinal fundus images to predict both an individuals overall 5 year cardiovascular risk (CVD) and the relative contribution of the component risk factors that comprise this risk. Methods: We used 165,907 retinal images from a database of 47,236 patient visits. Initially, each image was paired with biometric data age, ethnicity, sex, presence and duration of diabetes a HDL/LDL ratios as well as any CVD event wtihin 5 years of the retinal image acquisition. A risk score based on Framingham equations was calculated. The real CVD event rate was also determined for the individuals and overall population. Finally, ORAiCLE was trained using only age, ethnicity, sex plus retinal images. Results: Compared to Framingham-based score, ORAiCLE was up to 12% more accurate in prediciting cardiovascular event in he next 5-years, especially for the highest risk group of people. The reliability and accuracy of each of the restrictive models was suboptimal to ORAiCLE performance ,indicating that it was using data from both sets of data to derive its final results. Conclusion: Retinal photography is inexpensive and only minimal training is required to acquire them as fully automated, inexpensive camera systems are now widely available. As such, AI-based CVD risk algorithms such as ORAiCLE promise to make CV health screening more accurate, more afforadable and more accessible for all. Furthermore, ORAiCLE unique ability to assess the relative contribution of the components that comprise an individuals overall risk would inform treatment decisions based on the specific needs of an individual, thereby increasing the likelihood of positive health outcomes.
arxiv情報
| 著者 | Ehsan Vaghefi,David Squirrell,Songyang An,Song Yang,John Marshall |
| 発行日 | 2022-08-25 11:30:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google