通过机器学习准确预测近视的进展和高近视

科学领域:

• 眼科医生 眼科 眼科
• 计算生物学 计算生物学
• 公共卫生 公共卫生

背景情况:

• 近视是全球视力障碍的重要原因,特别是在亚洲.
• 预测近视的进展和识别高风险个体仍然是具有挑战性的临床问题.
• 需要准确的预测模型来有效管理近视.

研究的目的:

• 开发和验证近视进展的预测模型.
• 开发和验证高近视风险的预测模型.
• 为个性化临床近视管理提供见解.

主要方法:

• 追溯分析了来自五个独立队列的612,530份医疗记录 (227,543名患者).
• 开发一个多变量线性回归算法来预测近视进展和高近视风险.
• 在多个队列中进行内部和外部验证,以评估模型的通用性.

主要成果:

• 近视进展模型实现了高精度 (R2=0.964,MAE=0.119D) 和在外部数据集中的概括性.
• 高近视风险模型在内部和外部验证中显示出优异的预测性能,AUC为0.99.
• 在多种不同的验证集中一致的性能突出显示了该模型的稳定性.

结论:

• 开发的模型准确地预测近视的进展和高近视的风险.
• 这些发现为定制近视临床管理策略提供了宝贵的见解.
• 这项研究支持个性化和优化的方法来照顾儿童近视.