Importance

 A deep learning system (DLS) is a machine learning technology with potential for screening diabetic retinopathy and related eye diseases. 

Objective

 To evaluate the performance of a DLS in detecting referable diabetic retinopathy, vision-threatening diabetic retinopathy, possible glaucoma, and age-related macular degeneration (AMD) in community and clinic-based multiethnic populations with diabetes. 

Design, Setting, and Participants

 Diagnostic performance of a DLS for diabetic retinopathy and related eye diseases was evaluated using 494 661 retinal images. A DLS was trained for detecting diabetic retinopathy (using 76 370 images), possible glaucoma (125 189 images), and AMD (72 610 images), and performance of DLS was evaluated for detecting diabetic retinopathy (using 112 648 images), possible glaucoma (71 896 images), and AMD (35 948 images). Training of the DLS was completed in May 2016, and validation of the DLS was completed in May 2017 for detection of referable diabetic retinopathy (moderate nonproliferative diabetic retinopathy or worse) and vision-threatening diabetic retinopathy (severe nonproliferative diabetic retinopathy or worse) using a primary validation data set in the Singapore National Diabetic Retinopathy Screening Program and 10 multiethnic cohorts with diabetes. 

Exposures

 Use of a deep learning system. 

Main Outcomes and Measures

 Area under the receiver operating characteristic curve (AUC) and sensitivity and specificity of the DLS with professional graders (retinal specialists, general ophthalmologists, trained graders, or optometrists) as the reference standard. 

Results

 In the primary validation dataset (n = 14 880 patients; 71 896 images; mean [SD] age, 60.2 [2.2] years; 54.6% men), the prevalence of referable diabetic retinopathy was 3.0%; vision-threatening diabetic retinopathy, 0.6%; possible glaucoma, 0.1%; and AMD, 2.5%. The AUC of the DLS for referable diabetic retinopathy was 0.936 (95% CI, 0.925-0.943), sensitivity was 90.5% (95% CI, 87.3%-93.0%), and specificity was 91.6% (95% CI, 91.0%-92.2%). For vision-threatening diabetic retinopathy, AUC was 0.958 (95% CI, 0.956-0.961), sensitivity was 100% (95% CI, 94.1%-100.0%), and specificity was 91.1% (95% CI, 90.7%-91.4%). For possible glaucoma, AUC was 0.942 (95% CI, 0.929-0.954), sensitivity was 96.4% (95% CI, 81.7%-99.9%), and specificity was 87.2% (95% CI, 86.8%-87.5%). For AMD, AUC was 0.931 (95% CI, 0.928-0.935), sensitivity was 93.2% (95% CI, 91.1%-99.8%), and specificity was 88.7% (95% CI, 88.3%-89.0%). For referable diabetic retinopathy in the 10 additional datasets, AUC range was 0.889 to 0.983 (n = 40 752 images). 

Conclusions and Relevance

 In this evaluation of retinal images from multiethnic cohorts of patients with diabetes, the DLS had high sensitivity and specificity for identifying diabetic retinopathy and related eye diseases. Further research is necessary to evaluate the applicability of the DLS in health care settings and the utility of the DLS to improve vision outcomes.

To evaluate and compare the retinal nerve fiber layer (RNFL) measurement variability, diagnostic sensitivity and specificity for glaucoma detection, and strength of the structure-function association obtained with a spectral-domain optical coherence tomography (OCT) device (Cirrus HD-OCT; Carl Zeiss Meditec, Inc., Dublin, CA) and a time-domain OCT device (Stratus OCT; Carl Zeiss Meditec, Inc.).Prospective, cross-sectional study.Ninety-seven normal subjects and 83 glaucoma patients.One eye from each subject was imaged with Cirrus HD-OCT and Stratus OCT. Sixteen and 31 normal eyes were selected randomly to evaluate intravisit repeatability and intervisit reproducibility, respectively. The agreement of RNFL measurements was evaluated with Bland-Altman plots. The diagnostic sensitivity and specificity was examined with the area under the receiver operating characteristic curve (AUC). The association between average RNFL thickness and visual field sensitivity was evaluated with a second-order regression model.Retinal nerve fiber layer measurement variability, AUC, and coefficient of determination (R(2)).The intravisit repeatability of Cirrus HD-OCT ranged between 5.12 and 15.02 mum, and the intervisit reproducibility ranged between 4.31 and 22.01 mum. The intervisit variabilities of sectoral and average RNFL thicknesses were lower in Cirrus HD-OCT compared with Stratus OCT with significant differences at 1, 3, 4, and 8 to 11 o'clock (P< or =0.021). There were proportional biases of RNFL measurements between the 2 OCT devices. The difference of RNFL thicknesses increased with the means. The average (AUC, 0.962 for Cirrus HD-OCT and 0.956 Stratus OCT), superior (AUC, 0.963 and 0.950, respectively), and inferior (AUC, 0.949 and 0.931, respectively) RNFL thicknesses demonstrated the greatest AUCs in both OCT devices with no significant difference detected between the respective measurements (P> or =0.120). The strength of the structure-function association was comparable between Cirrus HD-OCT (R(2) = 0.580) and Stratus OCT devices (R(2) = 0.623; P = 0.918).Although the diagnostic performance and the strength of the structure-function association were comparable between Cirrus HD-OCT and Stratus OCT RNFL measurements, Cirrus HD-OCT demonstrated lower measurement variability compared with Stratus OCT with significant differences at 1, 3, 4, and 8 to 11 o'clock. The poor agreement was likely related to the different inherent characteristics of the 2 OCT systems.

To evaluate the relationship between retinal nerve fiber layer (RNFL) thickness measured by optical coherence tomography (OCT) and the axial length/refractive error of the eye.A total of 115 eyes of 115 healthy subjects, comprising 75 eyes with high myopia (spherical equivalent [SE] < -6.0 D) and 40 eyes with low to moderate myopia (SE between -6.0 D and -0.5D), were analyzed in this cross-sectional study. Total average and mean clock hour RNFL thicknesses were measured by OCT and compared between the two myopia groups. Associations between RNFL measurements and axial length and spherical equivalent were evaluated by linear regression analysis.The RNFL measurements were significantly lower in the high myopia group compared with those of the low-to-moderate myopia group at 12, 1, and 7 o'clock (right eye orientation). Apart from the temporal clock hours, significant correlations were evident between RNFL measurements and the axial length and spherical equivalent. The average RNFL thickness decreased with increasing axial length (r = -0.314, P = 0.001) and negative refractive power (r = 0.291, P = 0.002). A significant proportion of myopic eyes were classified as outside normal limits, with reference to the normative database. The most frequently abnormal sector was at 2 o'clock, where 16.5% of myopic eyes were outside normal limits.RNFL measurements vary with the axial length/refractive error of the eye. Analysis of RNFL thickness in the evaluation of glaucoma should always be interpreted with reference to the refractive status. Although the normative database provided by OCT has been helpful in identifying ocular diseases involving the RNFL, it may not be reliable in the analysis of myopic eyes.

Abstract Background Although cerebral small‐vessel disease has been implicated in the development of Alzheimer's disease (AD), the cerebral microcirculation is difficult to visualize directly in vivo. Because the retina provides a noninvasive window to assess the microcirculation, we determined whether quantitatively measured retinal microvascular parameters are associated with AD. Methods We conducted a case‐control study (case:control matching ≈ 1:2). Retinal photographs were analyzed using a computer program, and a spectrum of quantitative retinal microvascular parameters (caliber, fractal dimension, tortuosity, and bifurcation) were measured. Logistic regression models were used to compute the odds ratio (OR) and 95% confidence interval for AD adjusting for age, gender, ethnicity, smoking, hypertension, diabetes, hypercholesterolemia, and history of myocardial infarction. Results We included 136 demented patients with AD and 290 age‐gender‐race‐matched controls. Persons with narrower venular caliber (OR per standard deviation [SD] decrease, 2.01 [1.27–3.19]), decreased arteriolar and venular fractal dimension (OR per SD decrease 1.35 [1.08–1.68], 1.47 [1.17–1.84], respectively) and increased arteriolar and venular tortuosity (OR per SD increase, 1.84 [1.40–2.31], 1.94 [1.48–2.53], respectively) were more likely to have AD. These associations still persisted when only AD cases without a history of cerebrovascular disease were included. Conclusions Patients with AD have altered microvascular network in the retina (narrower retinal venules and a sparser and more tortuous retinal vessels) compared with matched nondemented controls. These changes in retinal microvasculature may reflect similar pathophysiological processes in cerebral microvasculature in the brains of patients with AD.

To evaluate optical coherence tomography (OCT) retinal nerve fiber layer thickness (RNFLT) measurement for glaucoma progression analysis.One hundred sixteen eyes of 64 patients with glaucoma who were observed within a period of 5 years were included. All eyes had at least four serial RNFL measurements obtained with the Stratus OCT (Carl Zeiss Meditec, Dublin, CA) and with the first and last measurements separated by at least 3 years. Visual field (VF) testing was performed on the same day as RNFL imaging. Serial average RNFLTs were evaluated with guided progression analysis (GPA). VF progression was assessed with trend analysis of the visual field index (VFI). Factors associated with the rate of change in RNFLT were examined with a linear mixed model.A total of 1101 OCT scans and 1029 VFs were analyzed. Twenty-one and 22 eyes had progression according to RNFL and VF measurements, respectively, and 3 eyes had progression according to both measurements. The rate of change in VFI and RNFLT ranged between -0.5% and -7.2% per year (median loss, -3.0%/y) and between -1.2 and -15.4 microm per year (median loss, -3.3 microm/y), respectively. The sector at seven o'clock (right eye orientation) was the most frequent location that showed progression. A greater baseline RNFLT was associated with an increased rate of reduction of RNFLT (P = 0.034).OCT GPA offers a new approach to augment glaucoma progression analysis. The rate of RNFLT thinning was variable among patients with glaucoma, with an increased rate of loss in patients with a higher baseline RNFLT.

A deep learning system (DLS) that could automatically detect glaucomatous optic neuropathy (GON) with high sensitivity and specificity could expedite screening for GON.To establish a DLS for detection of GON using retinal fundus images and glaucoma diagnosis with convoluted neural networks (GD-CNN) that has the ability to be generalized across populations.In this cross-sectional study, a DLS for the classification of GON was developed for automated classification of GON using retinal fundus images obtained from the Chinese Glaucoma Study Alliance, the Handan Eye Study, and online databases. The researchers selected 241 032 images were selected as the training data set. The images were entered into the databases on June 9, 2009, obtained on July 11, 2018, and analyses were performed on December 15, 2018. The generalization of the DLS was tested in several validation data sets, which allowed assessment of the DLS in a clinical setting without exclusions, testing against variable image quality based on fundus photographs obtained from websites, evaluation in a population-based study that reflects a natural distribution of patients with glaucoma within the cohort and an additive data set that has a diverse ethnic distribution. An online learning system was established to transfer the trained and validated DLS to generalize the results with fundus images from new sources. To better understand the DLS decision-making process, a prediction visualization test was performed that identified regions of the fundus images utilized by the DLS for diagnosis.Use of a deep learning system.Area under the receiver operating characteristics curve (AUC), sensitivity and specificity for DLS with reference to professional graders.From a total of 274 413 fundus images initially obtained from CGSA, 269 601 images passed initial image quality review and were graded for GON. A total of 241 032 images (definite GON 29 865 [12.4%], probable GON 11 046 [4.6%], unlikely GON 200 121 [83%]) from 68 013 patients were selected using random sampling to train the GD-CNN model. Validation and evaluation of the GD-CNN model was assessed using the remaining 28 569 images from CGSA. The AUC of the GD-CNN model in primary local validation data sets was 0.996 (95% CI, 0.995-0.998), with sensitivity of 96.2% and specificity of 97.7%. The most common reason for both false-negative and false-positive grading by GD-CNN (51 of 119 [46.3%] and 191 of 588 [32.3%]) and manual grading (50 of 113 [44.2%] and 183 of 538 [34.0%]) was pathologic or high myopia.Application of GD-CNN to fundus images from different settings and varying image quality demonstrated a high sensitivity, specificity, and generalizability for detecting GON. These findings suggest that automated DLS could enhance current screening programs in a cost-effective and time-efficient manner.

The present study examined the effects of blood pressure on a spectrum of quantitative and qualitative retinal microvascular signs.Retinal photographs from the Singapore Malay Eye Study, a population-based cross-sectional study of 3280 (78.7% response) persons aged 40-80 years, were analyzed. Quantitative changes in the retinal vasculature (branching angle, vascular tortuosity, fractal dimension, and vascular caliber) were measured using a semi-automated computer-based program. Qualitative signs, including focal arteriolar narrowing (FAN), arteriovenous nicking (AVN), opacification of the arteriolar wall (OAW), and retinopathy (e.g., microaneurysms, retinal hemorrhages), were assessed from photographs by trained technicians. After excluding persons with diabetes and ungradable photographs, 1913 persons provided data for this analysis.In multivariable linear regression models controlling for age, sex, BMI, use of antihypertensive medication, and other factors, retinal arteriolar branching asymmetry ratio, arteriolar tortuosity, venular tortuosity, fractal dimension, arteriolar caliber, venular caliber, FAN, AVN, and retinopathy were independently associated with mean arterial blood pressure. In contrast, arteriolar/venular branching angle, venular branching asymmetry ratio and OAW were not related to blood pressure. Retinal arteriolar caliber (sβ = -0.277) and FAN (sβ = 0.170) had the strongest associations with mean arterial blood pressure, and higher blood pressure levels were associated with increasing number of both quantitative and qualitative retinal vascular signs (P trend <0.001).Elevated blood pressure is associated with a spectrum of quantitative and qualitative retinal vascular signs, with the number of signs increasing with higher blood pressure levels.

Background: Alzheimer's disease (AD) is a neurodegenerative disorder with emerging evidence that it is associated with retinal ganglion cell loss; however, few data exist to establish this association. Objective: To determine whether macular ganglion