Video Experimental Relacionado
Updated: Jan 23, 2026

Author Spotlight: Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
Published on: May 26, 2023
Predicción de las respuestas al tratamiento del edema macular diabético mediante OCT: conjunto de datos y métodos de
Weiyi Zhang1, Peranut Chotcomwongse2, Yinwen Li3
1School of Optometry, The Hong Kong Polytechnic University, Hong Kong.
La predicción del éxito del tratamiento para el edema macular diabético (EMD) es crucial. Este estudio utilizó IA e imágenes OCT para estratificar a los pacientes, mejorando la terapia personalizada para obtener mejores resultados visuales en pacientes con EMD.
Área de la Ciencia:
- Oftalmología
- Imágenes médicas
- Inteligencia artificial
Sus antecedentes:
- El edema macular diabético (EMD) es una causa principal de pérdida de visión en personas diabéticas.
- La variabilidad en la respuesta al tratamiento de las terapias intravítreas requiere la estratificación de pacientes para estrategias personalizadas.
- La predicción de los resultados del tratamiento para el EMD es esencial para un manejo clínico eficaz.
Objetivo del estudio:
- Explorar la estratificación previa al tratamiento para predecir las respuestas al tratamiento del EMD.
- Avanzar en la investigación en medicina personalizada para EMD utilizando inteligencia artificial.
- Organizar la 2ª Competencia de Big Data de la Sociedad Asia-Pacífico de Teleoftalmología (APTOS) centrada en el EMD.
Principales métodos:
- Se utilizó un gran conjunto de datos de decenas de miles de imágenes de tomografía de coherencia óptica (OCT) de 2000 pacientes con EMD.
- Se organizó una competencia de big data centrada en mejorar la precisión predictiva de las respuestas a la terapia anti-VEGF.
- Se emplearon modelos de aprendizaje automático para analizar imágenes de OCT para la estratificación de pacientes.
Principales resultados:
- La competencia atrajo a 170 equipos, de los cuales 41 llegaron a la ronda final.
- El modelo de IA de mejor rendimiento logró un Área Bajo la Curva (AUC) del 80,06% en la predicción de la respuesta al tratamiento.
- Demostró el potencial de la IA en la estratificación de pacientes para el tratamiento personalizado de EMD.
Conclusiones:
- La inteligencia artificial tiene una gran promesa para las estrategias de tratamiento personalizadas en EMD.
- La estratificación de pacientes mediante IA e imágenes de OCT puede mejorar la toma de decisiones clínicas para el EMD.
- La Competencia de Big Data de APTOS fomentó con éxito la innovación en diagnósticos oftálmicos impulsados por IA.
Más Videos Relacionados
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
03:37Author Spotlight: Impact of Intergenic Interactions on Disease-Identifying Dark Biomarkers
Published on: March 1, 2024
Videos de Conceptos Relacionados
Competition
Predicting Molecular Geometry
Pathophysiology of Diabetes
Type 1 diabetes is characterized by autoimmune-mediated destruction of pancreatic β cells, with environmental factors potentially triggering this process in genetically susceptible individuals. Despite many not having a family history, certain genes increase susceptibility,...
Prediction Intervals
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.
End Point Prediction: Gran Plot
For potentiometric titration, the Gran plot is created by plotting...
Sensitivity, Specificity, and Predicted Value
Sensitivity is the...