机器学习预测法里西马布治疗结果在神经血管与年龄相关的黄斑退化

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 神经血管与年龄相关的黄斑变性 (nAMD) 需要有效的治疗监测.
• 预测治疗反应可以优化患者的管理和结果.

研究的目的:

• 开发和评估机器学习 (ML) 模型,用于预测接受faricimab的nAMD患者9个月治疗结果.
• 评估基线临床特征和光谱域-光学连贯性断层扫描 (SD-OCT) 成像的预测价值.

主要方法:

• 一项回顾性研究,使用AVENUE试验中的185只法里西马布治疗眼睛的数据.
• 开发了10ML模型,用于预测最佳校正视敏度 (BCVA) 和中央子场厚度 (CST) 变化.
• 将经典的ML模型与深度神经网络 (DNN) 进行比较,使用基线特征和SD-OCT图像,采用模型堆叠和平均值.

主要成果:

• 最好的BCVA预测模型 (线性,模型堆叠) 实现了0.31.2的R2.
• 最好的CST减少预测模型 (线性基准) 实现了0.87.8的AUROC.
• 基线BCVA和CST是预测BCVA和CST结果的最有影响的因素.

结论:

• 机器学习模型在使用基线数据预测nAMD治疗结果方面表现有前途.
• 在这个概念验证研究中,基线临床特征显示出比基线成像更强的预测信号.
• 需要对更大的数据集进行进一步验证,以确认结合成像数据的ML模型的实用性.