近視進行と介入に対するAIガイド付き個別予測

科学分野:

• 眼科学
• 人工知能
• 遺伝学

背景:

• 近視は、特に子供や青年において、重大な世界的な健康問題です。
• 近視進行の正確な予測は、効果的な管理のために不可欠です。
• 現在の管理戦略は、個別化と正確な結果予測が不足しています。

研究 の 目的:

• 近視進行予測モデル（MPPM）であるTransformerベースのAIモデルを開発および検証し、近視進行を予測すること。
• 自然進行と治療効果の両方を正確に予測することにより、個別化された近視管理を可能にすること。
• AI主導のアプローチを使用して、さまざまな近視介入の効果を評価すること。

主な方法:

• 2つのモジュール（NPMおよびIPM）からなるAIモデル（MPPM）を開発しました。
• NPMを110万人以上の子供や青年の屈折記録でトレーニングし、等価球面度数（SE）と眼軸長（AL）を予測しました。
• IPMを介入コホート（アトロピン、オルソケラトロジー、ハロー眼鏡、RLRL療法）で、Transformerベースの因果機械学習フレームワークを使用してトレーニングしました。

主要な成果:

• NPMは10年間にわたるSE（R²=0.94）およびAL（R²=0.91）の高い予測精度を達成しました。
• IPMは介入下での近視変化を正確に予測しました（SE：R²>0.88；AL：R²>0.80）。
• 繰り返し低レベル赤色光（RLRL）療法は近視の逆転の可能性を示しましたが、他の介入は進行を遅らせました。

結論:

• MPPMは、小児の近視個別管理のためのAI主導プラットフォームとして大きな可能性を示しています。
• このモデルは、さまざまな状態や介入下での近視進行を正確に予測することを可能にします。
• AIを活用した予測モデリングは、個々の患者の近視管理戦略を最適化できます。