在这项研究中，该团队训练了一个人工智能模型来区分从四川大学华西医院收集的超过10500张眼底图像。图像中的一些患者患有视网膜静脉阻塞；另一些正常患者作为对照。研究人员使用接受者工作特征曲线下的面积、准确度、精密度、特异性、敏感性和混淆矩阵在两个独立的测试数据集中评估了该人工智能模型的性能。结果显示，准确率超过95%。
该团队表示，人工智能进行大规模计算，并捕捉未知和看似无关因素进行分类的能力远远超出人类的思维和能力。该算法有望成为一个强大的工具，以帮助临床医生预测视网膜静脉阻塞和其他心脑血管疾病的风险。他们所需要的只是一台智能眼底照相机，以及一个人工智能算法集成的云计算平台。
未来，该研究有望在中国、澳大利亚、英国和美国进行临床试验。
论文链接：
