基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的价值评估

作者：杜紫薇; 柳江; 胡浩; 杨楠; 温良; 王凤华; 王蓓; 袁扬^*; 孙子林

来源：中华糖尿病杂志, 2021, 13(12).

• 糖尿病视网膜病变
• 人工智能
• 筛查

目的评估基于注意力机制的深度学习网络模型——"慧眼糖网"模型在自然人群和糖尿病人群中筛查糖尿病视网膜病变(DR)的效能, 以及分别应用单方位及两方位眼底照相的筛查效能。方法为横断面调查。自2016年12月至2017年6月, 采取分层多阶段整群抽样的方法从全国8省共10个地区6个不同民族的18至70岁常住居民中选择代表性样本作为研究对象, 共纳入8 948名参与者的17 118张眼底图像至"慧眼糖网"系统进行评分。以DR早期治疗研究(ETDRS)评分系统作为诊断DR的金标准对眼底图像进行分级。以"需转诊的DR(ETDRS>31)"作为参考变量, 绘制受试者工作特征(ROC)曲线, 评价"慧眼糖网"的曲线下面积(AUC)、灵敏度、特异度, 确定该系统的筛查效能。结果基于每位受试者, 在自然人群中, 使用"慧眼糖网"单方位眼底照相筛查"需转诊的DR"的AUC为0.941, 灵敏度和特异度分别为98.15%、90.08%;两方位眼底照相筛查灵敏度为100%, 特异度为86.91%。在糖尿病人群中, "慧眼糖网"单方位眼底照相筛查"需转诊的DR"时, AUC、灵敏度和特异度分别为0.901、98.08%和82.10%。结论在自然人群和糖尿病人群中, "慧眼糖网"系统均表现出较高的灵敏度和特异度, 可以作为DR筛查的一种辅助手段。

• 单位
  东南大学附属中大医院; 公共卫生学院; 东南大学; 首都医科大学附属北京同仁医院