一种深度学习方法来探索与年龄相关的黄斑变性多基因风险评分与视网膜光学连贯断层扫描的关联:一项初步研究
Adam Sendecki1, Daniel Ledwoń2, Julia Nycz3
1Chair and Clinical Department of Ophthalmology, Faculty of Medical Sciences in Zabrze, Medical University of Silesia, Katowice, Poland.
Acta ophthalmologica
|May 18, 2024
概括
深度学习模型可以使用光学连贯断层扫描 (OCT) 扫描来估计与年龄相关的黄斑变性 (AMD) 的多基因风险得分 (PRS). 这种新的方法将遗传倾向与视网膜成像联系起来,以发现潜在的新AMD发现.
科学领域:
- 眼科医生 眼科 眼科
- 遗传学 遗传学 是一个
- 人工智能的人工智能
背景情况:
- 与年龄相关的黄斑变性 (AMD) 是全球视力丧失的主要原因.
- 了解遗传因素和视网膜形态之间的相互作用对于AMD研究至关重要.
研究的目的:
- 通过深度学习研究AMD,遗传倾向和光学连贯性断层扫描 (OCT) 成像之间的关联.
- 开发一种方法来估计多基因风险得分 (PRS) 从OCT扫描.
主要方法:
- 分析了332名患者 (235名AMD,97名对照) 的队列.
- 用全基因组关联研究总结统计数据进行PRS计算.
- 一个卷积神经网络 (CNN) 模型从OCT卷中估计了PRS,使用指标和Grad-CAM可视化评估了性能.
主要成果:
- 在PRS估计中,CNN模型取得了显著的表现 (R2=0.34).
- 将临床数据 (AMD诊断,年龄,吸烟) 纳入模型的准确性略有提高 (R2=0.42).
- 格拉德-CAM分析证实了该模型依赖于与AMD相关的视网膜特征.
结论:
- 一种深度学习方法可以直接从OCT图像中进行高效的PRS估计.
- 这项技术提供了一种新的方法来发现AMD遗传风险和视网膜形态之间的关联.
