基于真实世界的数据,机器学习回归算法用于预测在糖尿病黄斑的抗VEGF治疗后的短期疗效,基于真实世界的数据

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 生物医学工程 生物医学工程

背景情况:

• 糖尿病黄斑 (DME) 是糖尿病患者视力丧失的主要原因.
• 抗血管内皮生长因子 (VEGF) 治疗是DME的主要治疗方法.
• 预测治疗反应对于优化患者管理至关重要.

研究的目的:

• 评估机器学习 (ML) 回归模型在预测DME短期治疗结果方面的有效性.
• 确定最有效的ML算法来预测DME患者的抗VEGF治疗反应.

主要方法:

• 对279名用抗VEGF治疗的DME患者的现实世界数据的回顾性分析.
• 开发和评估八个ML回归模型 (包括多层感知子,回归树,拉索,,线性,支向量机,多项式和随机梯度下降).
• 使用平均绝对误差 (MAE),平均平方误差 (MSE) 和确定系数 (R2) 评估模型性能.

主要成果:

• 拉索回归表现最有效,显示高R2和低MAE/MSE.
• 多层感知器还表现出强大的预测准确性,具有最高的R2和最低的MAE.
• 其他模型,如,线性,支向量机器和多项式回归,显示出不同的但通常较低的预测能力.

结论:

• 机器学习回归算法是预测DME抗VEGF治疗的短期疗效的宝贵工具.
• 在这种情况下,拉索回归被认为是开发预测模型的最有效的ML算法.
• 这些发现支持将ML纳入临床实践以进行个性化DME管理.