日本眼科学会和国立信息学研究所开发并公开发布了一个人工智能模型，利用日本眼成像登记处(JOIR)收集的数据，从眼底图像中估计个人的性别。JOIR是在日本医学和健康科学机构(AMED)的支持下建立的国家眼科数据库。
我们期待研究人员在未来的研究中应用这一AI模型，它有助于阐明因生物性别而发病频率不同的疾病的病理生理学。
深度学习已成为机器学习领域的重大突破，并广泛应用于人工智能(AI)领域，尤其是图像识别领域。许多报告表明，图像识别的准确性已经超过了人类。
2017年，国家医学研究院成立医疗大数据研究中心(RCMB)，开发医疗辅助AI，创建医疗影像大数据数据库。NII还开发并运营了集成云环境(云平台)，配备了用于机器学习计算的大容量数据服务器和GPU服务器。
名古屋大学等日本各地的医学图像分析研究人员作为NII分析团队的一员，与云平台相连，正在合作研究和开发各种医疗辅助人工智能。
2019年，JOS成立了日本眼科成像注册中心(JOI Registry或JOIR)，从全国眼科相关机构收集各种眼科数据，旨在促进和支持医疗辅助人工智能的研发。在JOIR数据库中收集的眼科图像被匿名发送到NII的云基础设施，利用云基础设施上可用的计算资源开发医疗支持人工智能。
近年来，利用医学图像进行人工智能的发展进展迅速，人们已经清楚地认识到，人工智能不仅可以确定疾病的存在与否，还可以估计被拍摄图像的个体的状况。
人们已经很清楚，人工智能可以用来估计年龄、性别、吸烟状况、血糖水平等，从视网膜的眼底图像中，这是眼睛的感光部分，从中获得的信息被眼科医生使用。它不仅可以用于区域性疾病的医学研究，还可以用于各种全身性疾病的医学研究。然而，在目前报道的研究中，开发的人工智能尚未公开，因此无法将其用于其他研究。
为了解决这个问题，JOS与NII合作开发了一种基于眼底图像估计人年龄的人工智能，并于2024年1月免费向广泛的研究人员提供了人工智能模型(估计方法)。作为第二步，我们开发了一种人工智能，可以从眼底图像中估计生物性别，并免费向公众开放。
我们开发的模型使用了131031张年龄在17岁到94岁之间的人的眼底图像，这些图像带有性别标签作为训练数据，并以性别作为正确答案进行深度学习。在训练过程中，我们使用了16个流行的深度学习模型(DenseNet-121/169/201、Inception-V3、Inception-ResNet-V2、MobileNet、MobileNetV2、Xception、EfficientNet-B0/B1/B2/B3/B4/B5/B6/B7)。
结果表明，验证数据眼底图像估计的性别与实际性别匹配的准确率最高的模型为92.0% (AUC 0.971)，与其他种族的性别估计模型相当。其中，我们将发布两个模型:最准确的EfficientNet-B7模型和轻量级且高度准确的MobileNet模型。
利用这些人工智能模型，研究人员可以阐明因生物性别不同而发病频率不同的疾病的病理生理学，或者在研究中缺少性别信息时补充信息。
更多信息:该模型可从JOIR的网页下载，网址如下:http://www.joir.jp/data/index.html由信息与系统研究组织提供。引用:人工智能从眼底图像(2024年1月19日)中估计生物性别的公开发布，检索自https://medicalxpress.com/news/2024-01-ai-biological-sex-fundus-images.html，检索自2024年1月20日。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
