临床与实验眼科学杂志
开放获取

抽象的

自动检测三个欧洲人群的糖尿病视网膜病变

Morten B. Hansen、Lilian Tang、Su Wang、Lutfiah Al Turk、Rita Piermarocchi、Martynas Speckauskas、Hans-Werner Hense、Irene Leung 和 Tunde Peto

目的：目前世界上 1/12 的人口患有糖尿病 (DM)，许多人正在或将通过拍摄视网膜图像进行筛查。目前的这项研究旨在比较 DAPHNE 软件在三个不同欧洲人群中检测 DR 的能力与 Moorfields 眼科医院阅读中心 (MEHRC) 进行的人类分级的能力。参与者：视网膜图像取自 HAPIEE 研究（立陶宛，n=1014）、PAMDI 研究（意大利，n=882）和 MARS 研究（德国，n=909）的参与者。方法：所有匿名图像均由 MEHRC 的人类分级员对是否存在 DR 进行分级。DAPHNE 软件在不了解人类评分者结果的情况下独立分析图像，并将参与者分为 DR 组和无 DR 组。主要结果指标：主要结果是敏感性、特异性、与作为参考标准的人类分级机相比，DAPHNE 软件在视网膜图像上识别 DR 或无 DR 时的阳性预测值 (PPV) 和阴性预测值 (NPV)。结果：三个研究中心总共招募了 2805 名参与者。在所有三项研究中，DAPHNE 软件的灵敏度均高于 93%，特异性均高于 80%，PPV 高于 28%，NPV 在任何研究中均不低于 98.8%。DAPHNE 软件没有遗漏任何威胁视力的 DR。所有三项研究的曲线下面积 (AUC) 均高于 0.96。DAPHNE 将人工工作量减少了 70%，但总误报率为 63%。结论：DAPHNE 软件使用三种不同的成像设置，可以可靠地检测三个不同欧洲人群的 DR。