XiaoMi-AI文件搜索系统
World File Search Systemretinopathy
人工智能用于糖尿病视网膜病变筛查
传统上，DR 筛查是通过个人的视网膜检查来完成的，每年由视网膜专家进行；然而，预计 2021 年将有 5.37 亿成年人患有糖尿病 (4)，这种方法是不可持续的 (5)。因此，为了扩大筛查计划的覆盖面，已经提出并实施了新的替代方案。姚洋博士及其合作者开展的一项研究“AIDRS 筛查系统在中国患者眼底照片中检测糖尿病视网膜病变的表现：一项前瞻性、多中心、临床研究”最近获批在《转化医学年鉴》上发表，研究了一种用于筛查中国 (6) DR 的人工智能 (AI) 系统，中国是世界上糖尿病患者最多的国家 (4)，每年有超过 1.1 亿患者需要接受筛查 (6)。在根据 STARD 指南设计的一项精心设计的多中心研究中，作者报告称，在检测可转诊的 DR 方面，其灵敏度为 86.72%（95% CI：83.39–90.05%），特异性为 96.09%（95% CI：94.14–97.54%）。中国监管机构认为其准确度足够，该系统目前已获准在中国使用。
E.炎症细胞在病理生理学和糖尿病性视网膜病的管理中的作用。调查
Kovoor，E.，Chauhan，S.K。和Hajrasouliha，A。（2022）。炎症细胞在病理生理学和糖尿病性视网膜病的治疗中的作用。眼科调查，67（6），1563– 1573年。https://doi.org/10.1016/j.survophthal.2022.07.008
研究文章 中国中西部农村地区糖尿病视网膜病变人工智能辅助筛查的临床评估
本次诊断准确率研究选取2020年7—12月长治市黎城县、潞城县国家基本公共卫生信息系统中的糖尿病患者作为目标人群。本次筛查共纳入3933例糖尿病患者7824只眼，其中男性1395例，女性2401例，平均年龄19～87岁（63±8.735岁）。所有眼底照片均由专业眼科医生在暗室中自然瞳孔条件下，使用智远慧图眼底图像AI分析软件EyeWisdom采集。AI诊断系统和眼科医生独立对照片进行诊断，计算并比较两种方法诊断DR的一致率、灵敏度和特异度。
基于人工智能的2型糖尿病视网膜病变筛查效果
根据国际糖尿病联合会的数据，2019 年全球约有 4.63 亿糖尿病患者，预测到 2045 年这一数字将增至 7 亿[1]。糖尿病视网膜病变（DR）是糖尿病最常见、最严重的并发症之一，是导致劳动人口失明的主要眼病[2–4]。据报道，不同国家的糖尿病患者中 DR 的患病率为 10%～61% [5]。但研究表明，早期对 DR 进行合理的干预和治疗，可取得良好的预防病情发展的效果，并显著降低失明率[6–8]。不幸的是，居住在县城、乡镇、村庄和边缘地区的人们往往缺乏足够的健康知识。等到这些人被发现患有DR时，往往已发展到严重阶段，造成了不可逆的视力损害，不仅影响患者的生活质量，也增加社会和家庭的经济负担，往往导致家庭陷入贫困。因此，扩大DR筛查区域，开展有针对性的防盲治盲，可以大大减少可治愈盲。遗憾的是，我国眼科医生数量不足，尤其在基层医疗机构，根据2016年中华医学会第21次全国眼科学会的数据显示，我国20%的县级医院没有设立眼科，即使设立眼科的机构，眼底病专科医生也寥寥无几，这些地区眼科医生与患者之比为1：3000[9]，极不平衡。因此，加大糖尿病患者筛查力度，提高人们对 DR 的知晓率、治疗率和控制率已成为我国主要公共卫生挑战之一[10–12]。基于人工智能（AI）的辅助手段对 DR 诊断高效、廉价、操作简便[13]。EyeWisdom 是智源慧图公司（Vistel）于 2017 年开发的基于人工智能算法的眼底疾病辅助诊断系统，主要包括针对 DR 的辅助诊断系统 EyeWisdom DSS 软件和以眼科多疾病筛查为核心功能的系统 EyeWisdom MCS 软件[14]。EyeWisdom 可通过人工智能算法根据受试者的眼底照片和病史筛查 DR、青光眼、年龄相关性黄斑变性等近 20 种不同的眼部疾病。它不仅可以直观地对筛查结果提供建议，还可以显示微血管瘤、视网膜出血、硬性渗出、棉绒斑等9种典型DR病变，帮助临床医生确认检查结果。此外，这款眼底图像分析软件是一款云端产品，结合互联网和5G技术，可实现实时远程医疗，从读取图像到输出结果仅需10秒。EyeWisdom AI算法已在临床实践中进行了训练，并通过EyePACS数据库获得的视网膜图像进行了验证[15]。但目前尚无关于眼底病诊断和分级疗效的报道
引用：李W，Song Y，Chen K等。使用机器学习的糖尿病性视网膜病变的预测模型和风险分析：回顾性队列
抽象目标旨在通过使用大型样本数据集进行机器学习来研究糖尿病性视网膜病（DR）风险因素和预测模型。基于大型样本和高维数据库的设计回顾性研究。在北京设立中国中央三级医院。参与者有关32 452型糖尿病（T2DM）住院患者的信息从2013年1月1日至2017年12月31日从电子病历系统中检索方法保留了六十个变量（包括人口统计信息，物理和实验室测量，系统疾病和胰岛素治疗）进行基线分析。通过递归特征消除选择了最佳17变量。预测模型是基于XGBoost算法构建的，并与其他三种流行的机器学习技术进行了比较：逻辑回归，随机森林和支持向量机。为了更视觉上解释XGBoost模型的结果，使用了Shapley添加说明（SHAP）方法。结果DR发生在2038年（6.28％）T2DM患者中。XGBoost模型被确定为具有最高AUC的最佳预测模型（曲线值为0.90），表明HBA1C值大于8％，肾病，血清肌酐值大于100 µmol/L，胰岛素治疗和糖尿病下极端疾病的风险与DR的风险增加相关。患者的年龄超过65岁，与DR的风险降低有关。结论具有更好的全面性能，XGBoost模型具有很高的可靠性来评估DR的风险指标。可以通过Shap方法找到DR的最关键危险因素和危险因素的临界因素，以使XGBoost模型的输出在临床上可以解释。
中央浆膜脉络膜病的光学相干断层扫描术：血管模式和毛细血管流量密度的定量评估
抽象背景本研究旨在评估受中央浆膜脉络膜肾上腺病（CSC）影响的患者的光学相干层析造影血管造影（八八核血管造影）图像的血管模式和毛细血管流量密度（CFD）图。在这项回顾性队列研究中的方法，八颗（Angiovue rtvue Xr avanti，optovue）在基线时对CSC患者的两只眼睛的两只眼睛进行了3×3 mm黄斑扫描；对图像进行了细分，并将其与没有CSC的同伴以及年龄匹配的健康受试者进行了比较。八颗图像，以提供脉络膜毛细管变化的客观分级。通过自相关方法检查了八颗图像的纹理。导致CSC（40眼）的眼睛，我们发现了脉络膜毛细血管层脉管系统（CCL）的六种不同的形态模式，可能对应于OCT脉络膜脉络膜低反射性的不同等级和去率信号的八八八个。此外，八毛毛细管流量密度图显示在表面毛细血管丛中的毛细血管耗竭（p值= 0.0023），深血管网络（p值= <0.0001）和CCL中（p值= 0.0001）。在健康受试者中未观察到这种发现（13眼）。结论CSC中的OCTA是一个有用的工具，可以通过特定的CCL模式识别CSC的临床类型。此外，观察到CFD耗竭与内部视网膜层相关，表明内部血液视网膜屏障参与CSC。根据我们的结果，本文观察到的模式可能与疾病的不同临床亚型有关。
HPV疫苗可以治疗疣吗？
24。Javitt JC，Aiello LP。检测和治疗糖尿病性视网膜病的成本效益。Ann Intern Med 1996; 124：164-9。 25。 Crijns H.糖尿病性视网膜病：眼镜和光凝[论文]的成本效益分析。 伊拉斯mus大学，阿姆斯特丹，1993年。 26。 Chaturvedi N，Sjolie A-K，Stephenson JM等。 林甲甲基对1型糖尿病患者的视网膜病变进展的影响。 Lancet 1998; 351：28-3L。 27。 英国前瞻性糖尿病研究小组。 紧密的血压控制以及2型糖尿病中大血管和微血管并发症的风险。 UKPDS 38。 BMJ 1998; 317：703-13。Ann Intern Med 1996; 124：164-9。25。Crijns H.糖尿病性视网膜病：眼镜和光凝[论文]的成本效益分析。伊拉斯mus大学，阿姆斯特丹，1993年。26。Chaturvedi N，Sjolie A-K，Stephenson JM等。林甲甲基对1型糖尿病患者的视网膜病变进展的影响。Lancet 1998; 351：28-3L。27。英国前瞻性糖尿病研究小组。紧密的血压控制以及2型糖尿病中大血管和微血管并发症的风险。UKPDS 38。BMJ 1998; 317：703-13。