#无代码诊断

无代码自动化机器学习在视乳头水肿诊断中的应用

视乳头水肿与假性视乳头水肿的鉴别诊断是临床眼科的重要挑战，直接关系到患者的及时治疗和避免不必要的侵入性检查。本研究通过回顾性队列分析，利用近红外反射成像技术，评估了三种自动化机器学习（AutoML）平台——Amazon Rekognition、Medic Mind 和 Google Vertex 在区分视乳头水肿与正常视盘及视盘玻璃膜疣（ODD）以及分级视乳头水肿严重程度方面的性能。结果显示，Amazon Rekognition 在区分视乳头水肿与正常/ODD 视盘（AUC 0.90, F1 分数 0.81）及分级视乳头水肿严重程度（AUC 0.90, F1 分数 0.79）方面表现最佳，优于其他两个平台。该研究证明了 AutoML 平台在视乳头水肿分类中的可行性，并为临床团队提供了一种无需编程技能即可识别和表征视乳头水肿的解决方案。