Ako AI deteguje diabetickú retinopáciu z fotiek sietnice? Analýza tepelných máp 54 hlbokých učiacich sa modelov

Výskum skúmal 54 systémov umelej inteligencie založených na 27 rôznych architektúrach, ktoré boli vyvinuté na detekciu diabetickej retinopácie zo snímok sietnice. Modely boli trénované na údajoch z databáz DDR, BRSET a Kaggle a následne analyzovali 749 obrázkov s anotáciami diabetických zmien. Väčšina modelov dosiahla prijateľnú výkonnosť s AUROC vyšším ako 0,8. Analýza tepelných máp odhalila, že modely sa zameriavali najmä na centrálnu oblasť sietnice (makulu) a zanedbávali optický disk. Modely najčastejšie identifikovali exudáty a bavlnené fleky, zatiaľ čo venózne zväčšovanie a neovaskulárizácia na disku boli pokryté slabo. Modely klasifikujúce podľa medzinárodnej stupnice vykazovali lepšiu detekciu všetkých znakov. Výskum ukázal, že jednotlivé AI modely nepoužívajú jednotne všetky diabetické znaky pri detekcii retinopácie, čo môže limitovať ich výkonnosť v nezvyčajných prípadoch.