摘要
目的：目前已有多种人工智能（AI）系统可用于在彩色眼底照片（CFPs）中筛查糖尿病视网膜病变（DR）。大多数现有系统基于单一特定人群的传统CFP数据集开发。本研究旨在评估训练数据多样性（即来自不同人群的数据）对AI泛化能力的影响。通过在新设备（共聚焦DRSplus，iCare）获取的未见数据上的性能来评估泛化性。
方法：开发了两种算法用于检测中度及以上DR。单数据集（SD）算法使用单一数据集训练：OPHDIAT（法国，176,147张图像）。多数据集（MD）算法使用三个数据集训练：OPHDIAT、Kaggle（美国，31,648张图像）和DDR（中国，8,763张图像）。MD算法可选使用1,578张DRSplus图像进行微调（微调MD）。所有算法在378张独立DRSplus测试图像上评估。
结果：在DRSplus测试图像中检测至少中度DR的曲线下面积（AUC），SD算法为0.9856，MD算法为0.9908。微调后的MD算法性能下降（AUC=0.9812）。在灵敏度固定为0.9412时，SD算法特异度为0.9244，MD算法为0.9535，微调MD算法为0.9012；在特异度固定为0.9767时，SD算法灵敏度为0.7647，MD算法为0.8824，微调MD算法为0.6471。
结论：尽管传统CFP与共聚焦DRSplus图像存在视觉差异，基于传统CFP训练的算法在检测DRSplus图像中的中度及以上DR时仍表现良好。使用多人群数据训练的MD算法优于SD算法，表明数据多样性可提升AI泛化性。微调少量DRSplus图像未改善性能，进一步印证了泛化性优势。
本研究摘要发表于2023年ARVO年会（美国新奥尔良，2023年4月23-27日）。
阅读原文
检测中度及以上DR的受试者工作特征（ROC）曲线（SD算法、MD算法及微调MD算法在DRSplus测试图像上的表现）。点A、B、C和D、E、F分别表示算法在特异度0.9767和灵敏度0.9412阈值下的性能。