Cambios Axiales y Coroideos como Predictores Clave del Control de la Miopía en la Terapia de Luz Roja: Evidencia de...

Área de la Ciencia:

• Oftalmología
• Ingeniería Biomédica
• Ciencia de Datos

Sus antecedentes:

• La terapia repetida de luz roja de bajo nivel (RLRL) es un enfoque novedoso y no invasivo para el control de la miopía.
• Los factores predictivos de la eficacia de RLRL en la miopía pediátrica requieren una mayor investigación.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático interpretable para predecir los resultados a corto y largo plazo de la terapia RLRL en niños.
• Identificar los predictores clave de la eficacia del tratamiento RLRL.

Principales métodos:

• Un estudio de cohorte multicéntrico que involucró a 538 pacientes pediátricos con un seguimiento mínimo de un año.
• Aplicación de múltiples métodos de selección de características (LASSO, Boruta, etc.) y siete algoritmos de aprendizaje automático.
• Se utilizó SHAP y LIME para la interpretabilidad del modelo y la evaluación del rendimiento (AUC, precisión, puntuación F1).

Principales resultados:

• XGBoost demostró un rendimiento predictivo óptimo (AUC: 0.90-0.92).
• Predictores clave identificados: edad, longitud axial basal (AL), profundidad de la cámara anterior (ACD), grosor de la RNFL, cambio en AL (ChangeAL) y cambio en el grosor coroideo (ChangeChT).
• ChangeAL fue el predictor dominante a corto plazo; ChangeChT fue el más influyente para los resultados a largo plazo.
• La edad avanzada y el aumento del engrosamiento coroideo mostraron efectos protectores.

Conclusiones:

• Un modelo de aprendizaje automático interpretable predice con precisión los resultados de la terapia RLRL en la miopía pediátrica.
• ChangeAL y ChangeChT son biomarcadores dinámicos cruciales para monitorear la respuesta al tratamiento.
• Los hallazgos respaldan la toma de decisiones clínicas personalizadas para el manejo de la miopía.