Key points are not available for this paper at this time.
영국에는 거의 200만 명이 시력 손실을 겪고 있으며, 그 중 약 360,000명이 시각 장애인 또는 부분적으로 시각 장애인으로 등록되어 있습니다. 당뇨병성 망막병증 및 노화 관련 황반 변성과 같은 시력을 위협하는 질병은 지난 10년 동안 외래 환자 방문이 40% 증가하는 데 기여했지만 조기 발견 및 모니터링에 용이합니다. 조기 및 적절한 개입을 통해 많은 경우 실명을 예방할 수 있습니다. 안과 이미지는 신생혈관성("습식") 노화 관련 황반 변성(wet AMD) 및 당뇨병성 망막병증을 포함한 여러 병리의 진행을 진단하고 객관적으로 평가하는 방법을 제공합니다. 일반적으로 두 가지 이미징 방법이 사용됩니다: 안저의 디지털 사진(눈의 '뒷면')과 광간섭 단층촬영(OCT, 초음파가 음파를 사용하는 방식과 유사한 방식으로 빛 파동을 사용하는 기법). 인구 통계 및 기대의 변화와 만성 질환의 변화하는 패턴은 이러한 이미징에 대한 수요를 증가시키고 있습니다. 한편, 이러한 이미지를 분석하는 데는 시간이 많이 소요되고 비용이 많이 들며 인적 오류가 발생할 수 있습니다. 새로운 분석 방법의 적용은 이러한 문제에 대한 해결책을 제공할 수 있습니다. 이 연구는 Moorfields Eye Hospital NHS Foundation Trust 환자의 디지털 안저 사진과 OCT의 자동 분석에 새로운 기계 학습 알고리즘을 적용하는 데 집중할 것입니다. 안과에서 사용되는 이미지와 관련 임상 및 인구 통계 정보를 분석함으로써 DeepMind Health는 디지털 안저 사진 및 OCT의 자동 채점의 가능성을 조사하고 특정 질병 특성 및 치료 성공 모니터링을 위한 새로운 정량적 측정을 제공할 것입니다.
Fauw 외 (Tue,)이 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: