1型糖尿病における心血管リスクの機械学習予測 マルチモダル網膜画像からの放射性特性

科学分野:

• 眼科 と 医学 画像
• 心血管リスク評価
• 医療における機械学習

背景:

• 1型糖尿病 (T1DM) は,心血管疾患のリスクの増加と関連しています.
• T1DM患者の間に合った介入には,早期で正確な心血管リスクの分層化が不可欠です.
• 網膜画像は全身血管の健康に 非侵襲的なウィンドウを提供します

研究 の 目的:

• T1DM患者の心血管リスクレベルを決定するための機械学習 (ML) アルゴリズムを開発し,評価する.
• 心血管リスク評価のために多様性網膜画像 (カラーファンダス写真,OCT,OCTA) を利用する.
• 中等,高い,非常に高いCVリスクカテゴリーを区別する.

主な方法:

• T1DM患者の網膜画像の横断分析
• カラーファンダス写真,OCT,OCTAから放射性特徴の抽出.
• 放射線学的特徴のみを使用するか,臨床データ (人口統計,全身,眼,血液データ) と組み合わせたMLモデルを訓練する.

主要な成果:

• 放射性特徴だけで,AUCは中程度のリスクで0. 79,高い/非常に高いリスクで0. 73であった.
• 放射線特性を臨床データと組み合わせると,AUCは中等リスクの0. 99と高/非常に高リスクの0. 95に改善されました.
• OCT/OCTAの指標は,全身データなしで,非常に高い心血管リスクのAUCを0. 89を達成した.

結論:

• 網膜の放射性特性は,T1DMにおけるCVリスクカテゴリーを効果的に区別し,分類する.
• 臨床データの統合により,CVリスクの階層化の正確性が著しく向上します.
• このオキュロミックスのアプローチは,T1DMにおける非侵襲的な心血管リスク評価において有望である.