アトロピンで治療された子供の近視の進行を予測する決定樹のモデル化:精密な眼科へ

科学分野:

• 眼科について
• 機械学習
• 小児の健康

背景:

• 近視は 特に東アジアの子供たちの 重要な健康問題です
• 局所用アトロピンは小児近視の制御に使用されますが,治療への反応は大きく異なります.
• アトロピンに対する個々の反応を予測することは,効果的な近視管理に不可欠です.

研究 の 目的:

• 小児近視制御における局所性アトロピンの個別反応を予測するための解釈可能な機械学習モデルを開発する.
• 治療にもかかわらず近視の進行に影響を与える主要な危険因子を特定する.
• 近視の管理における個別化された臨床的決定を支援する.

主な方法:

• 3年間にわたって局所性アトロピンで治療された1545人の小児の目の観察研究.
• 球体等価 (SE) の変化を予測するために使用される分類と回帰ツリー (CART) モデル.
• 最小絶対縮小と選択オペレーター (Lasso) の回帰とCARTモデルの性能の比較.

主要な成果:

• CARTとLassoの両モデルは,比較可能な予測性能を示した.
• 短期視の進行の主な決定因子として,ベースラインの球体等価 (SE) が特定されました.
• 発症時のSE値が - 3. 125 Dより低い子供では,特に長時間治療とより高いアトロピンの投与量で,より大きな進行を示した.

結論:

• ベースラインのSEは近視の進行に影響を与える重要な要因です.
• 説明可能な機械学習は CARTの決定規則を通じて 近視の管理の精度を高めることができます
• この研究は,小児近視の制御のための個別化された治療戦略を支持しています.