赤色光療法における軸性および脈絡膜の変化は近視制御の重要な予測因子：機械学習モデルからのエビデンス

科学分野:

• 眼科学
• 生体医工学
• データサイエンス

背景:

• 反復低レベル赤色光（RLRL）療法は、近視制御のための新規の非侵襲的アプローチです。
• 小児近視におけるRLRL効果の予測因子については、さらなる調査が必要です。

研究 の 目的:

• 小児におけるRLRL療法の短期および長期の結果を予測するための、解釈可能な機械学習モデルを開発および検証すること。
• RLRL治療効果の主要な予測因子を特定すること。

主な方法:

• 最低1年間の追跡調査を含む538人の小児患者が関与した多施設共同コホート研究。
• 複数の特徴選択方法（LASSO、Borutaなど）および7つの機械学習アルゴリズムの適用。
• モデルの解釈可能性とパフォーマンス評価（AUC、精度、F1スコア）のためにSHAPおよびLIMEを利用しました。

主要な成果:

• XGBoostは最適な予測性能（AUC：0.90-0.92）を示しました。
• 特定された主要な予測因子：年齢、ベースライン眼軸長（AL）、前房深度（ACD）、RNFL厚、ALの変化（ChangeAL）、および脈絡膜厚の変化（ChangeChT）。
• ChangeALは短期的な主要な予測因子でした。
• ChangeChTは長期的な結果に最も影響力がありました。
• 高齢と脈絡膜肥厚の増加は保護効果を示しました。

結論:

• 解釈可能な機械学習モデルは、小児近視におけるRLRL治療の結果を正確に予測します。
• ChangeALおよびChangeChTは、治療反応のモニタリングのための重要な動的バイオマーカーです。
• 本研究結果は、近視管理のための個別化された臨床的意思決定を支持します。