摘要：目的研究不同年资眼科医生能否区分真实眼底照片和生成对抗网络(GAN)生成的眼底照片,以探究GAN是否可应用于眼科临床教学。设计诊断试验。研究对象真实眼底照片和图片生成器生成的虚拟眼底照片各70张。方法随机纳入北京同仁医院眼科医生、眼科学专业学位研究生和非眼科医生20人。使用真实眼底照片对模型进行训练得到一个高质量的图片生成器,随机生成70张虚拟眼底照片并与真实的眼底图片以1:1混合,由各年资眼科医生进行照片真假性辨认。主要指标医生辨别眼底照片真伪的敏感度、特异度、准确性。结果20位医生辨别眼底照片真假性平均敏感度为0.578(0.314~0.871),平均特异度为0.471(0.014~0.729),平均准确度为0.524(0.236~0.707)。高年资医生组的准确性与其他组医生之间并无统计学差异(P>0.05)。结论基于GAN模型生成的虚拟眼底照片具有同真实眼底照片相似的细节特征,未来可用于生成高质量眼底图片辅助眼科教学及基层眼底医生的培训。

摘要：随着全球信息科技的快速发展、电子病历管理系统的广泛应用和生物样本库平台的建设和运行,医学大数据的研究价值日益受到重视。近年来,作为基础医学研究和临床医学研究的桥梁,转化医学的进步也大大缩短了基础与临床之间的时空距离,也为医学大数据的应用开拓了崭新的前景。流行病学作为临床医学研究的方法学,强调医学研究的设计、测量及科学评价方法,在转化医学研究的各个环节均发挥着重要作用,是转化医学研究的重要组成部分。流行病学以系统流行病学为主要的研究方法,深入挖掘医学大数据资源,促进转化研究和知识整合,阐述疾病发生的致病机制,加快实现科学研究向促进人群健康的终极目标转化。作为医学研究领域的重要学科,借助于大数据的迅速发展,眼科的基础研究成果的临床转化也进入了新的时代,大大促进了眼科与相关领域研究的交叉融合。

摘要：目的比较三种基于卷积神经网络(CNN)的人工智能(AI)糖尿病视网膜病变(DR)眼底图像诊断模型与眼科医生诊断的一致性。设计诊断试验。研究对象北京同仁医院眼科236例(468眼)糖尿病患者的彩色眼底图像。方法患者每眼分别以黄斑和视盘为中心免散瞳拍摄两张45°眼底图像。以眼科医生诊断结果作为金标准,对三种不同公司设计的AI DR诊断模型(模型1、2、3)进行DR有无检测、DR转诊检测、DR分期检测评价。主要指标灵敏度(Se)、特异度(Sp)、受试者工作特征曲线(ROC)曲线下面积(AUC)。结果DR有无检测:模型1灵敏度为95.8%,特异度为90.1%,AUC为0.930;模型2灵敏度为96.5%,特异度为85.2%,AUC为0.908;模型3灵敏度为96.2%,特异度为83.5%,AUC为0.917。DR转诊检测:模型1灵敏度为93.9%,特异度为90.1%,AUC为0.933;模型2灵敏度为97.7%,特异度为89.3%,AUC为0.935;模型3灵敏度为95.4%,特异度为89.8%,AUC为0.926。DR分期检测:模型1灵敏度为72.9%~90.1%,特异度为93.9%~97.8%,AUC为0.854-0.930;模型2灵敏度为68.8%~92.1%,特异度为90.6%~98.2%,AUC为0.831-0.914;模型3灵敏度为75.0%~83.5%,特异度为89.2%~96.8%,AUC为0.849~0.917。结论三种AI诊断模型对糖尿病患者眼底图像DR有无及DR转诊检测的准确性均较高,可作为糖尿病患者DR筛查的辅助方法。