相关实验视频
Updated: Jul 26, 2025

5/6 Nephrectomy Using Sharp Bipolectomy Via Midline Laparotomy in Rats
Published on: April 4, 2025
非侵入性慢性病风险分层工具来源于基于视网膜的深度学习和临床因素
Young Su Joo1,2, Tyler Hyungtaek Rim3,4,5, Hee Byung Koh1,6
1Department of Internal Medicine, College of Medicine, Institute of Kidney Disease Research, Yonsei University, Seoul, Republic of Korea.
一个新的深度学习模型使用视网膜图像来预测慢性病 (CKD) 风险. 雷蒂-CKD得分有效地识别高风险个体,在功能保留的人中表现优于传统的eGFR方法.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 眼科医生 眼科 眼科
- 人工智能的人工智能
背景情况:
- 预防慢性病 (CKD) 是至关重要的,但识别有风险的个体,特别是那些有保存功能的人,仍然具有挑战性.
- 早期检测和干预对于控制CKD进展和改善患者结果至关重要.
研究的目的:
- 开发和验证一种新的CKD预测风险评分,使用视网膜照片的深度学习分析.
- 评估这一分数的性能,称为Reti-CKD,在预测CKD发病率方面,特别是在功能保留的个体中.
主要方法:
- 使用深度学习算法从视网膜底图像中获得Reti-CKD得分.
- 该评分的预测性能在两个独立的纵向队列中得到验证:英国生物银行和韩国糖尿病队列.
- 验证的重点是估计淋巴细胞过率 (eGFR) ≥90mL/min/1.73m2且基线没有蛋白尿的个体.
主要成果:
- 在两个队列中,Reti-CKD得分与未来的CKD事件有显著的关联.
- 与最低四分之一相比,在Reti-CKD得分最高的四分之一的人群中,CKD发展的危险比率大幅增加.
- 与传统基于eGFR的方法相比,Reti-CKD得分显示了对CKD预测的优异一致性指数.
结论:
- 来自视网膜图像的Reti-CKD得分,有效地分层了保留功能的人未来的CKD风险.
- 这种基于深度学习的新方法比传统的基于eGFR的CKD发病率方法提供了更好的预测性能.
- 视网膜图像分析为早期CKD风险评估提供了一个有希望的非侵入性工具.
更多相关视频
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020
10:11Fundus Photography as a Convenient Tool to Study Microvascular Responses to Cardiovascular Disease Risk Factors in Epidemiological Studies
Published on: October 22, 2014
相关概念视频
Chronic Kidney Disease I: Introduction
Chronic Kidney Disease III: Interprofessional Care
Chronic Kidney Disease II: Clinical Manifestations
Acute Kidney Injury IV: Diagnostic Studies and Prevention
Acute Kidney Injury I: Introduction