Assessment of predictive value of artificial intelligence for ophthalmic diseases using electronic health records: A systematic review and meta-analysis - 01/08/24

Doi : 10.1016/j.jfop.2024.100124 
Tina Felfeli a, b, , Ryan S. Huang c, Tin-Suet Joan Lee c, Eleanor R. Lena c, Amy Basilious d, Daniel Lamoureux e, Shuja Khalid f
a Department of Ophthalmology and Vision Sciences, University of Toronto, Ontario, Canada 
b Institute of Health Policy, Management and Evaluation, University of Toronto, Ontario, Canada 
c Temerty Faculty of Medicine, University of Toronto, Ontario, Canada 
d Department of Ophthalmology, Western University, Ontario, Canada 
e Northern Ontario School of Medicine University, Thunder Bay, Ontario, Canada 
f Department of Mechanical and Industrial Engineering, University of Toronto, Ontario, Canada 

Corresponding author.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Abstract

Purpose

The application of artificial intelligence (AI) in ophthalmology has shown significant promise across various clinical domains. This study addresses the need for assessing the predictive value of AI models utilizing electronic health records (EHRs) for diagnosis, prognostication and management of ocular diseases.

Methods

A search was conducted using Ovid MEDLINE, Ovid EMBASE, and Cochrane Central for relevant studies published between January 2010 to February 2023 on predictive value of AI algorithms in ophthalmic EHRs. The study followed the Preferred Reporting Items for a Systematic Review and Meta-analysis (PRISMA) guidelines, with a protocol registered on Prospero (registration number: CRD42022303128). A bivariate random effects model was used to perform the meta-analysis. The ROBINS-I tool was used to assess methodological quality and applicability of the included studies.

Results

Out of 4968 initial records, 41 studies met the inclusion criteria, comprising a total of 639,637 patients, with an average disease prevalence of 11%. The studies exhibited a diagnostic odds ratio of 18.527 (95% CI: 9.654–35.556), sensitivity of 0.811 (95% CI: 0.751−0.859), specificity of 0.812 (95% CI: 0.736−0.87) and Grading of Recommendations, Assessment, Development and Evaluation (GRADE) moderate. Likelihood ratios (LR+ and LR−) were 4.316 (95% CI: 2.938–6.339) and 0.233 (95% CI: 0.169−0.322), respectively. False positive rate was 0.188 (95% CI: 0.13−0.264). Inter-rate concordance for ROBINS-I scoring had a kappa score of 0.83. Out of the 41 studies, 22 had an overall low risk of bias, and 19 had a moderate risk of bias. There was a low to moderate quality of body of evidence for the reported outcomes.

Conclusion

This meta-analysis affirms the substantial potential of AI models utilizing EHRs for predictive modeling and clinical management of ocular diseases. Future research should emphasize external validation and standardized reporting for better implementation of AI in ophthalmic practice.

Le texte complet de cet article est disponible en PDF.

Keywords : Ophthalmology, Artificial intelligence, Electronic health record, Electronic medical record, Diagnostic


Plan


© 2024  The Authors. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 7

Article 100124- septembre 2024 Retour au numéro
Article précédent Article précédent
  • Ocular surface alterations in agricultural workers exposed to pesticides in Cundinamarca, Colombia
  • Yuly-N. Franco, Lina-F. Gama, Alejandro León-Álvarez, Martín-E. Giraldo, J.-Cesar Montañez, Sandra-C. Durán-Cristiano
| Article suivant Article suivant
  • Adaptive optics imaging in ophthalmology: Redefining vision research and clinical practice
  • Michael Balas, Vethushan Ramalingam, Bhadra Pandya, Ahmed Abdelaal, Runjie Bill Shi

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.