Hlboké učenie fluorescenčnej lifetime zobrazovaciej oftalmoskopie pre klasifikáciu diabetes mellitus typu 2

Štúdia skúmala, či sa fluorescenčná lifetime zobrazovacia oftalmoskopia (FLIO) kombinovaná s umelou inteligenciou môže použiť na detekciu metabolických znakov diabetes mellitus typu 2. Výskum zahŕňal 1 783 účastníkov z datasetu AI-READI s FLIO zobrazením a meraním hemoglobínu A1c: 671 s normálnou glykémiou, 726 s predbetami a 386 s diabetom. Vedci trénovali rôzne modely hlbokého učenia vrátane konvolučných neurónových sietí a XGBoost. Výsledky ukázali, že fluorescenčné lifetime mapy zachytávajú metabolické signály spojené s glykemickým stavom, ale klasifikačný výkon bol skromný. Pri trojtriednej klasifikácii dosiahla CNN presnosť 0,41 a AUROC 0,58, zatiaľ čo pri binárnej klasifikácii (normálny verzus diabetický) sa výkon zlepšil na AUROC 0,63 až 0,67. Štúdia naznačuje potenciál FLIO pre včasnú metabolickú diagnostiku, ale poukazuje aj na výzvy pri jej klinickej aplikácii.