Deneye - AI-klassificeringsmodul

AI-klassificeringsmodul

AI som läser retinfotografier på under två sekunder — och hjälper oftalmologer att upptäcka diabetisk ögensjukdom innan den orsakar permanenta skador.

Deneye AI-klassificeringsmodul analyserar fundusfoton och tilldelar en av fem internationellt standardiserade DR-allvarlighetsgrader. Detta ger den gransknande oftalmologen en omedelbar, evidensbaserad utgångspunkt — vilket minskar arbetsbelastningen samtidigt som full klinisk ansvar bibehålls.

AI fungerar aldrig autonomt. Varje grad granskas och bekräftas av en certifierad oftalmolog innan några kliniska åtgärder vidtas.

Säkerhet där data är bekant. På modellens reservuppsättning och båda IDRiD-utvärderingsuppsättningarna (1 249 bilder) klassificerades inte ett enda allvarligt eller proliferativt DR-fall som “Ingen DR”. På dataset med stark domänförskjutning försämras denna marginal — en viktig anledning till att varje AI-grad granskas av en oftalmolog och varje ny distributionsplats utvärderas på sina egna bilder först.

Hur det fungerar

Tre steg från fotografi till klassificeringsresultat

1

Bild fotograferad

En screener fotograferar patientens retina med en vanlig funduskamera. Bilden laddas upp till Deneye-plattformen — även från en fjärr plats utan permanent internetanslutning.

2

AI klassificerar på <2 sekunder

AI-modellen förbearbetar bilden och förutsäger en DR-allvarlighetsgrad på den 5-punktiga internationella kliniska DR-skalan. Resultatet visas omedelbar på oftalmologens arbetslista.

3

Oftalmolog bekräftar

En certifierad oftalmolog granskar bilden och AI-förslaget. De bekräftar, justerar eller åsidosätter graden. Först efter mänsklig granskning når resultatet patienten.

De fem DR-allvarlighetsgrader

Baserad på International Clinical Diabetic Retinopathy Severity Scale

Grad	Namn	Vad det betyder	Rekommenderad uppföljning
0	Ingen DR	Inga synliga tecken på diabetisk skada på retina	Rutinmässig årlig screening
1	Mild NPDR	Tidiga förändringar: mikroaneurysmer (små utbuktningar i retinala blodkärl)	Oftalmologöversyn
2	Måttlig NPDR	Mer omfattande förändringar: blödningar, hårda exsudat, bomullsfläckar	Oftalmologöversyn
3	Svår NPDR	Betydande vaskulär skada, högrisk för framsteg till proliferativ DR	Brådskande remiss till näthinnespecialist
4	Proliferativ DR	Avancerat stadium: tillväxt av ömtåliga nya blodkärl, högrisk för allvarlig synförlust	Brådskande remiss för behandling (t.ex. laser, injektioner)

Oberoende validering på 37 368 bilder

Testad på fyra oberoende dataset från fyra länder — ingen använd under träning

Standardprestandamåttet vid DR-klassificering är Quadratic Weighted Kappa (QWK) — en statistik som jämför AI:s grader med experoftalmologers grader, med hårdare straff för större meningsskiljaktigheter. Det varierar från 0 (inte bättre än slump) till 1,0 (perfekt överensstämmelse). En kappa över 0,80 anses generellt “värdefull” i DR-klassificeringslitteraturen.

Dataset	Bilder	Land	QW Kappa	Närliggande noggrannhet
APTOS 2019 (hold-out)	733	Indien	0.896	97.5%
IDRiD Training	413	Indien	0.710	90.8%
IDRiD Testing	103	Indien	0.607	85.4%
Messidor-2	1,744	Frankrike	0.499	89.1%
EyePACS	35,108	USA	0.420	87.4%
Totalt (externt)	37,368	4 länder	0.440	87.6%

APTOS-reservraden består av bilder från modellens eget träningsdataset; de andra fyra uppsättningarna är helt externa — modellen såg dem aldrig i någon form.

En notering om domänförskjutning (Messidor-2 kappa 0,499, EyePACS 0,420). Modellen tränade på indiska retinfotografier (APTOS 2019). Messidor-2- och EyePACS-bilder kommer från franska och amerikanska kliniker med olika kameror, belysningsförhållanden och patientdemografi, och klassificeringsprecisionen sjunker därför — på dessa två dataset klassificerades 2 av 110 respektive 111 av 1 580 allvarliga eller proliferativa fall som “Ingen DR”. Domänförskjutning är en väldokumenterad utmaning inom DR AI-litteraturen. Det är därför AI strikt är ett triagehjälpmedel under obligatorisk oftalmologöversyn, och därför utvärderas varje distributionsplats på sina egna bilder före klinisk användning.

Träningskurvor & förvirringsmatris

APTOS 2019-träningsuppsättning (2 929 bilder), 20 % reservvalidering (733 bilder). Bästa QWK uppnådd: 0,896.

Träningsförlust och QW kappa per epok under 20 epoker — Tränings- och valideringsförlust & QWK per epok. Konvergens inträffar efter head-only-fasen (första 3 epoker). Modellen når stabil QWK 0,896 vid epok 20.

5x5 förvirringsmatris: AI-grad kontra expertgrad på APTOS-reservuppsättning — Förvirringsmatris på 733-bildernas APTOS-reservuppsättning. Fel utanför diagonalen är nästan helt adjektiv-grad (ett steg). Inga allvarliga eller proliferativa fall (grader 3–4) visas i grad 0 “Ingen DR”-kolumnen.

En detaljerad AI-klassificeringsrapport är tillgänglig på begäran. Rapporten innehåller fullständiga valideringsmåttal för alla dataset, per-dataset-förvirringsmatriser, gradfördelningsjämförelser och fullständig metoddokumentation.

Begär rapporten