Prediction of advanced chronic kidney disease through retinal fundus images by deep learning
6.5
来源：
Nature
关键字：
AI brain science
发布时间：
2025-10-24 23:34
摘要：
该研究开发了一种深度学习模型，通过分析视网膜图像预测慢性肾病（CKD），在临床应用中显示出良好的性能。研究基于42,963次临床访问的数据，比较了不同模型配置的效果，发现使用双眼图像的模型在准确性上优于单眼图像。该技术的非侵入性特征使其成为监测糖尿病患者肾功能的有效工具，具有潜在的商业价值和广泛的临床应用前景。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+医疗健康领域符合度
business_impact
0.5分+潜在的商业影响
scientific_rigor
1.5分+有具体实验数据
timeliness_innovation
1.5分+技术创新
investment_perspective
2.0分+早期研发阶段
market_value_relevance
1.0分+与高发疾病相关
team_institution_background
0.5分+团队背景良好
technical_barrier_competition
0.5分+技术壁垒一般
关键证据
模型C在独立测试集上实现了0.868的AUC，显示出优越的性能。
研究表明，视网膜图像分析可以作为监测慢性肾病进展的非侵入性工具。
不同模型配置的比较揭示了各自的优势，尤其是在灵敏度和特异性方面。
真实性检查
否
AI评分总结
该研究开发了一种深度学习模型，通过分析视网膜图像预测慢性肾病（CKD），在临床应用中显示出良好的性能。研究基于42,963次临床访问的数据，比较了不同模型配置的效果，发现使用双眼图像的模型在准确性上优于单眼图像。该技术的非侵入性特征使其成为监测糖尿病患者肾功能的有效工具，具有潜在的商业价值和广泛的临床应用前景。