这些结果来自于英国糖尿病眼筛查项目(DESP)中规模最大的人工智能应用研究，该项目每年对糖尿病患者进行一次筛查，以发现与糖尿病视网膜病变相关的眼部损伤迹象。糖尿病会导致视网膜血管损伤，如果不及时治疗会导致失明。

 

这项研究涉及了来自英国各地医院和大学的研究人员。他们使用该项目提供的3万张扫描图像(总计12万张图像)来搜索视网膜损伤的迹象，使用的是洛杉矶Eyenuk公司开发的“眼艺术”人工智能筛查技术。

 

该研究的结论是，沐鸣测试速该工具在检测可能需要转诊到专家服务的损伤时准确率为95.7%，在检测可能导致失明的中度至重度视网膜病变时准确率为100%。研究人员估计，使用眼艺术工具可以将人类与糖尿病视网膜病变筛查相关的工作量减半，每10万次筛查可节省50万英镑，仅在英国每年就可节省1000多万英镑。

 

伦敦圣乔治大学的流行病学家、该研究的资深作者Alicja Rudnicka教授说:“国家筛查计划已经被证明在降低糖尿病导致的失明水平方面非常有效。”他说:“眼睛的损伤很容易检测到，我们有有效的治疗方法。但是，对人类分级者来说，每天诊断成千上万的图像是一个非常高的负担——其中大多数没有疾病迹象，也不需要采取进一步的行动。

 

“我们的研究表明，机器学习技术可以安全地将需要人类评估的图像数量减半，沐鸣测速地址从而为NHS腾出更多的资金和资源。”如果这项技术在全国范围内推广，就能立即减少因冠状病毒大流行而积压的病例，还可能挽救糖尿病患者不必要的视力损失。”

 

像EyeArt这样的工具在那些还没有足够的劳动力来检查糖尿病视网膜病变的地区也被证明是有用的。糖尿病在世界各地呈上升趋势，预计到2045年，糖尿病病例将增至6.29亿，对卫生服务的规模构成严重挑战。

 

Moorfields眼科医院的眼科专家Adnan Tufail教授评论说，这项研究值得注意，因为它的样本量非常大，共收集了120,000多幅真实世界的图像。

 

“我们已经证明，这款经过验证的人工智能软件可以极大地减轻英国人对糖尿病眼部筛查图像分级的负担，每年可以减少500多万张图像。”这项技术的速度快得令人难以置信，不会漏掉任何一个严重糖尿病视网膜病变的病例，而且可能有助于医疗系统在covid后的恢复，”Tufail说。

 

“我们开发了一项我们认为是如何验证人工智能临床应用的黄金标准研究。我们希望其他国家也能采用这种方法，沐鸣测速地址让医疗系统有信心使用这种技术。”

 

斯坦福大学(Stanford University)的研究人员也一直在开发一种机器学习工具，用于检测糖尿病视网膜病变的迹象，该工具基于超过7.5万名患者的图像数据集。