論文の概要: Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients

• arxiv url: http://arxiv.org/abs/2508.12506v1
• Date: Sun, 17 Aug 2025 21:54:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.807648
• Title: Design and Validation of a Responsible Artificial Intelligence-based System for the Referral of Diabetic Retinopathy Patients
• Title（参考訳）: 糖尿病網膜症に対する応答性人工知能システムの設計と妥当性の検討
• Authors: E. Ulises Moya-Sánchez, Abraham Sánchez-Perez, Raúl Nanclares Da Veiga, Alejandro Zarate-Macías, Edgar Villareal, Alejandro Sánchez-Montes, Edtna Jauregui-Ulloa, Héctor Moreno, Ulises Cortés,
• Abstract要約: 糖尿病網膜症の早期発見は、視力喪失のリスクを最大95%減少させる可能性がある。 我々は、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。
• 参考スコア（独自算出の注目度）: 65.57160385098935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diabetic Retinopathy (DR) is a leading cause of vision loss in working-age individuals. Early detection of DR can reduce the risk of vision loss by up to 95%, but a shortage of retinologists and challenges in timely examination complicate detection. Artificial Intelligence (AI) models using retinal fundus photographs (RFPs) offer a promising solution. However, adoption in clinical settings is hindered by low-quality data and biases that may lead AI systems to learn unintended features. To address these challenges, we developed RAIS-DR, a Responsible AI System for DR screening that incorporates ethical principles across the AI lifecycle. RAIS-DR integrates efficient convolutional models for preprocessing, quality assessment, and three specialized DR classification models. We evaluated RAIS-DR against the FDA-approved EyeArt system on a local dataset of 1,046 patients, unseen by both systems. RAIS-DR demonstrated significant improvements, with F1 scores increasing by 5-12%, accuracy by 6-19%, and specificity by 10-20%. Additionally, fairness metrics such as Disparate Impact and Equal Opportunity Difference indicated equitable performance across demographic subgroups, underscoring RAIS-DR's potential to reduce healthcare disparities. These results highlight RAIS-DR as a robust and ethically aligned solution for DR screening in clinical settings. The code, weights of RAIS-DR are available at https://gitlab.com/inteligencia-gubernamental-jalisco/jalisco-retinopathy with RAIL.
• Abstract（参考訳）: 糖尿病網膜症(DR: Diabetic Retinopathy)は、高齢者の視覚障害の主要な原因である。 DRの早期検出は、視力喪失のリスクを最大95%削減するが、網膜学者の不足とタイムリーな検査における課題は、検出を複雑にする。 網膜基底写真(RFP)を用いた人工知能(AI)モデルは、有望な解決策を提供する。 しかし、臨床環境への導入は、AIシステムが意図しない機能を学ぶための低品質のデータとバイアスによって妨げられている。 これらの課題に対処するため、私たちは、AIライフサイクル全体にわたる倫理的原則を取り入れた、DRスクリーニングのための責任あるAIシステムであるRAIS-DRを開発した。 RAIS-DRは、前処理、品質評価、および3つの特殊なDR分類モデルのための効率的な畳み込みモデルを統合する。 当科におけるRAIS-DRをFDA認可のEyeArtシステムと比較した。 RAIS-DRではF1スコアが5-12%、精度が6-19%、特異性が10-20%向上した。 さらに、格差影響や平等機会差などの公平度指標は、RAIS-DRが医療格差を減らす可能性を示している。 これらの結果から,RAIS-DRは臨床現場におけるDRスクリーニングの堅牢かつ倫理的に整合したソリューションであることが示された。 RAIS-DRのコードは https://gitlab.com/inteligencia-gubernamental-jalisco/jalisco-retinopathy with RAIL で公開されている。

関連論文リスト

• AI-Driven Diabetic Retinopathy Screening: Multicentric Validation of AIDRSS in India [0.0]
  糖尿病網膜症(DR:diabetic retinopathy)は、特にインドでは、農村部では網膜専門医へのアクセスが制限されている主要な視覚障害の原因である。 本研究の目的は, DR検出および有病率評価のための人工知能を用いた糖尿病網膜症スクリーニングシステムを評価することである。
  論文  参考訳（メタデータ） (2025-01-10T10:03:56Z)
• Enhancing Diabetic Retinopathy Detection with CNN-Based Models: A Comparative Study of UNET and Stacked UNET Architectures [0.0]
  糖尿病網膜症DRは糖尿病の重篤な合併症である。損傷または異常な血管は視力喪失を引き起こす可能性がある。 糖尿病患者の大量スクリーニングの必要性は、コンピュータ支援によるDRの完全自動診断への関心を生んでいる。 ディープラーニングフレームワーク、特に畳み込みニューラルネットワークCNNは、網膜画像を分析してDRを検出することに非常に興味を持ち、約束している。
  論文  参考訳（メタデータ） (2024-11-02T14:02:45Z)
• Convolutional Neural Network Model for Diabetic Retinopathy Feature Extraction and Classification [6.236743421605786]
  我々は,新しいCNNモデルを作成し,基礎画像入力による糖尿病網膜症の重症度を同定する。 われわれは, 微小動脈瘤, 綿毛, 排出物, 出血の4つのDR特徴を, 畳み込み層を通して分類した。 我々の貢献は、より複雑なモデルに類似した精度で解釈可能なモデルである。
  論文  参考訳（メタデータ） (2023-10-16T20:09:49Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
  医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。 様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
  論文  参考訳（メタデータ） (2022-05-19T17:34:18Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
  基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。 画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。 我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T13:14:15Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。