AI-Driven Diabetic Retinopathy Screening: Multicentric Validation of AIDRSS in India

要約

目的: 糖尿病性網膜症 (DR) は、特にインドにおいては視力喪失の主な原因となっており、地方では網膜専門医へのアクセスが限られています。
この研究は、リソースが限られた環境でのスケーラブルな自動スクリーニング ソリューションに対するニーズの高まりに対処し、DR の検出と有病率評価のための人工知能ベースの糖尿病網膜症スクリーニング システム (AIDRSS) を評価することを目的としています。
アプローチ: インドのコルカタで、5,029 人の参加者と 10,058 枚の黄斑中心の網膜眼底画像を含む多中心的かつ横断的な研究が実施されました。
AIDRSS は、5,000 万のトレーニング可能なパラメーターを備えた深層学習アルゴリズムを採用し、画質を向上させるために Contrast Limited Adaptive Histogram Equalization (CLAHE) 前処理と統合しました。
DR は国際臨床糖尿病性網膜症 (ICDR) スケールを使用して等級付けされ、疾患を 5 つの段階 (DR0 ～ DR4) に分類しました。
感度、特異度、有病率などの統計的指標が、網膜専門家の評価に照らして評価されました。
結果: 一般集団における DR の有病率は 13.7% でしたが、ランダム血糖値が上昇した個人では 38.2% に上昇しました。
AIDRSS は、参照可能な DR (DR3 および DR4) の検出に関して、全体の感度 92%、特異度 88%、および 100% の感度を達成しました。
これらの結果は、多様な集団における DR を正確に特定し、等級付けする際のシステムの堅牢なパフォーマンスを示しています。
結論: AIDRSS は、リソースに制約のある環境における DR の早期検出のための信頼性が高く、スケーラブルなソリューションを提供します。
高度な AI 技術の統合により、高い診断精度が保証され、サービスが行き届いていない地域における糖尿病関連の視力喪失の負担を大幅に軽減できる可能性があります。

要約(オリジナル)

Purpose: Diabetic retinopathy (DR) is a major cause of vision loss, particularly in India, where access to retina specialists is limited in rural areas. This study aims to evaluate the Artificial Intelligence-based Diabetic Retinopathy Screening System (AIDRSS) for DR detection and prevalence assessment, addressing the growing need for scalable, automated screening solutions in resource-limited settings. Approach: A multicentric, cross-sectional study was conducted in Kolkata, India, involving 5,029 participants and 10,058 macula-centric retinal fundus images. The AIDRSS employed a deep learning algorithm with 50 million trainable parameters, integrated with Contrast Limited Adaptive Histogram Equalization (CLAHE) preprocessing for enhanced image quality. DR was graded using the International Clinical Diabetic Retinopathy (ICDR) Scale, categorizing disease into five stages (DR0 to DR4). Statistical metrics including sensitivity, specificity, and prevalence rates were evaluated against expert retina specialist assessments. Results: The prevalence of DR in the general population was 13.7%, rising to 38.2% among individuals with elevated random blood glucose levels. The AIDRSS achieved an overall sensitivity of 92%, specificity of 88%, and 100% sensitivity for detecting referable DR (DR3 and DR4). These results demonstrate the system’s robust performance in accurately identifying and grading DR in a diverse population. Conclusions: AIDRSS provides a reliable, scalable solution for early DR detection in resource-constrained environments. Its integration of advanced AI techniques ensures high diagnostic accuracy, with potential to significantly reduce the burden of diabetes-related vision loss in underserved regions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google