机器学习可以预测神经血管与年龄相关的黄斑退化症对拉尼比祖马布的反应

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 神经血管与年龄相关的黄斑变性 (nAMD) 对抗VEGF治疗的反应有所变化.
• 预测个体患者的结果对于优化治疗至关重要.

研究的目的:

• 为了比较基于人工智能 (AI) 的机器学习模型来预测在nAMD中对拉尼比祖马布的视力敏度反应.
• 评估OCT和临床数据在基线预测模型中的有用性.

主要方法:

• 从HARBOR试验 (ranibizumab) 中对502只眼睛的回顾性分析.
• 开发和比较七个机器学习模型 (Lasso,CatBoost,RF,DL) 使用定量OCT特征和临床变量.
• 对模型与使用R2和MAE的基准线性模型进行评估.

主要成果:

• 结合OCT特征和临床数据的机器学习模型表现优于基准模型和仅用于OCT的模型.
• 拉索最小模型实现了0.46的平均R2和7.7个字母的MAE.
• 人工智能细分的OCT特征显示出显著的预后能力.

结论:

• 通过人工智能驱动的OCT和临床数据分析显示,在nAMD中预测拉尼比祖马布反应的潜力.
• 人工智能工具的进一步改进是必要的,以提高个性化治疗策略的临床实用性.