Ricerca
Validazione multicentrica internazionale dell’adattamento di dominio non supervisionato per distinguere con precisione tra sviluppo retinico normale e anomalo
L’arresto dello sviluppo retinico può causare deficit visivi nell’infanzia, ma è difficile standardizzare la valutazione delle scansioni di tomografia a coerenza ottica tra dispositivi e centri divers
- arXiv
- 2610.21719
- Pubblicato
- 2026-10-15
- Autori
- Zhanhan Tu, Nikhil Reddy, Helen J. Kuht, Ha-Jun Yoon, Gail D. E. Maconachie, Ravi Purohit, Prateek Pani, Line Kessel, Jinu Han, Jing Jin, Shui-Hua Wang, Karthik Bharadwaj, Viral Sheth, Michael Hisaund, Rebecca J. McLean, George Garratt, Chetan Kantibhai Patel, Kanmin Xue, Callum Hunt, Zisen Zhou, Ian De Silva, Seema Teli, Sonal Shah, Vanessa Rodwell, Aarti Patel, Irene Gottlob, Yu-Dong Zhang, Zedong Zheng, Girish Varma, Mervyn G. Thomas
Abstract degli autori
L’arresto dello sviluppo retinico può causare deficit visivi nell’infanzia, ma è difficile standardizzare la valutazione delle scansioni di tomografia a coerenza ottica tra dispositivi e centri diversi. Abbiamo sviluppato e valutato un modello di adattamento di dominio non supervisionato per classificare lo sviluppo retinico normale e anomalo su diversi sistemi OCT. Questo studio retrospettivo multicentrico ha utilizzato scansioni OCT provenienti da cinque centri in quattro paesi e dalla UK Biobank. I dati comprendevano quattro dispositivi OCT, tra cui sistemi da tavolo e portatili. Una Domain Adversarial Neural Network basata su ResNet50 è stata addestrata utilizzando immagini etichettate provenienti da un dispositivo di origine e immagini non etichettate provenienti da un dispositivo di destinazione. Abbiamo valutato sei abbinamenti tra dispositivo di origine e dispositivo di destinazione e confrontato le prestazioni del modello con quelle di sette valutatori clinici. Un dataset separato di Heidelberg Spectralis è stato riservato alla valutazione esterna. Nei set di validazione, l’accuratezza variava dall’87,75% al 96,06%, la sensibilità dall’88,68% al 98,38% e la specificità dal 78,00% al 98,02%. Il modello con le prestazioni migliori, adattato da TM OCT1 a HH OCT1, ha raggiunto un’accuratezza del 96,06% e un’area sotto la curva delle caratteristiche operative del ricevitore pari a 0,994, con un intervallo di confidenza al 95% da 0,981 a 0,999. Diversi modelli hanno mantenuto la capacità di distinguere tra sviluppo normale e anomalo anche sul dispositivo Heidelberg non visto in precedenza. L’adattamento di dominio non supervisionato ha consentito di classificare le scansioni OCT provenienti da dispositivi diversi senza dati etichettati del dispositivo di destinazione. Questo approccio potrebbe favorire valutazioni più coerenti dello sviluppo retinico e l’analisi su larga scala dei dataset di immagini esistenti.