相关实验视频
Updated: Jul 12, 2025
07:06
Binocular Dynamic Visual Acuity in Eyeglass-Corrected Myopic Patients
Published on: March 29, 2022
2.6K
机器学习模型用于预测高近视眼中的长期视觉敏度
Yining Wang1, Ran Du1,2, Shiqi Xie1
1Department of Ophthalmology and Visual Science, Tokyo Medical and Dental University, Tokyo, Japan.
JAMA ophthalmology
|October 26, 2023
概括
人工智能模型可以预测高近视患者未来的视力敏度. 这些工具有助于识别面临视力丧失风险的个体,从而实现积极的临床管理.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 高近视是一种日益增长的全球健康挑战,增加了病态近视导致严重视力损失的风险.
- 早期识别面临视力减弱风险的患者对于有效管理至关重要.
研究的目的:
- 开发和评估机器学习模型,用于预测高近视症患者在3岁和5岁时的视敏度 (VA).
- 评估模型在5年内预测视力障碍风险的能力.
主要方法:
- 一项回顾性队列研究分析了967名患者 (1,616只眼睛) 的数据,这些患者在3岁和5岁时已知最佳纠正VA (BCVA).
- 用34个临床和成像变量来训练回归和分类模型.
- 使用歧视指标,校准和决策曲线分析评估模型性能;使用可解释AI确定变量重要性.
主要成果:
- 支持矢量机和随机森林模型在3年和5年后对BCVA显示出强大的预测性能.
- 一种逻辑回归模型有效地预测了5年后视力损伤的风险 (AUC = 0.870).
- 视力障碍的关键预测因素包括基线BCVA,先前的近视性黄斑新血管化,年龄和近视性黄斑病变的严重程度.
结论:
- 使用临床和成像数据,开发人工智能驱动的模型来预测高近视的长期视力敏度是可行的.
- 这些预测模型为高近视患者的临床评估和主动管理提供了宝贵的工具.
