多模式深度转移学习预测抗VEGF治疗后视网膜静脉封闭斑点的复发
Laihe Zhang1,2, Ying Huang1,2, Jiaqin Chen1,2
1The Affiliated Eye Hospital, Nanjing Medical University, Nanjing, China.
Heliyon
|April 24, 2024
概括
一种新的多式深度转移学习 (DTL) 模型有效预测抗VEGF治疗后视网膜静脉封闭 (RVO) 和黄斑 (ME) 复发. 这种人工智能方法为患者后续管理提供了更高的准确性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 视网膜静脉封闭 (RVO) 和黄斑 (ME) 是导致视力丧失的主要原因.
- 抗血管内皮生长因子 (抗VEGF) 疗法是标准的治疗方法,但复发是常见的.
- 预测复发对于及时重新治疗和最佳视觉结果至关重要.
研究的目的:
- 开发和验证一种多式深度转移学习 (DTL) 融合模型,用于预测抗VEGF治疗后RVO和ME复发.
- 将DTL模型的预测性能与临床模型和专家预测进行比较.
主要方法:
- 一项回顾性研究分析了140名RVO-ME患者的2800张B扫描OCTA黄斑图像.
- 中部黄斑厚度 (CMT) > 250μm 定义的复发.
- 使用OCTA成像和临床特征开发了临床,DTL和多模式融合模型.
主要成果:
- DTL模型显著超过了临床模型和专家预测.
- Vgg19 DTL 模型的 AUC 达到 0.968.8 的值.
- 融合Vgg19模型表现出最高的疗效,AUC为0.972,准确度为0.935,灵敏度为0.935,特异性为0.934.
结论:
- 多模聚变DTL模型在预测RVO-ME复发方面表现强.
- 这些人工智能模型可以帮助临床医生优化抗VEGF治疗后的患者随访计划.


