实验目的: 建立并验证一种通用的人工智能(AI)平台，用于涉及多级临床场景的白内障的协作管理，并探索基于AI的医疗转诊模式以提高协作效率和资源覆盖率。
实验方法: 训练和验证数据集来自中国人工智能医疗医学联盟，涵盖了多层医疗设施和捕获模式。使用三步策略对数据集进行标记：(1)捕获模式识别;(2)将白内障诊断为正常晶状体，白内障或术后眼睛，以及(3)在病因和严重程度方面检测出可参考的白内障。此外，我们将白内障AI代理与真实的多级转诊模式相集成，包括在家中进行自我监控，初级保健和专业医院服务。
实验结果: 通用AI平台和多层次协作模式在三步任务中显示出强大的诊断性能：(1)捕获模式识别(曲线下面积(AUC)99.28%–99.71%)，(2)白内障诊断(正常晶状体，白内障)或术后眼，散瞳裂隙灯模式的AUC分别为99.82%，99.96%和99.93%，其他捕获模式的AUC大于99%)，以及(3)检测到白内障(在所有测试中，AUC均> 91%)。在现实世界的三级转诊模式中，代理商建议有30.3%的人被“转诊”，与传统模式相比，眼科医生与人群的服务比率大大提高了10.2倍。
结论: 通用AI平台和多层协作模式显示出强大的诊断性能和有效的白内障服务。我们基于AI的医疗转诊模式的背景将扩展到其他常见疾病状况和资源密集型情况。
原始出处: Universal artificial intelligence platform for collaborative management of cataracts
本文系晟斯医学(ShengSci)原创编译整理，转载需授权！
凡文章来源标注为 “ 晟斯医学 ” ，则是本站原创编译整理，未经本网站授权不得转载和使用。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。