建立基于机器学习的角膜预后模型
Meng-Tong Wang1, You-Ran Cai1, Vlon Jang2
1Department of Ophthalmology, The First Affiliated Hospital of Guangxi Medical University, 22 Shuangyong Road, Nanning, Guangxi Zhuang Autonomous Region, China.
Scientific reports
|July 12, 2024
概括
这项研究开发了一个AI模型来预测角膜的结果,改善早期治疗策略以预防失明. 该模型准确地预测了 perforation 和视力损伤风险.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 角膜感染是全球单边失明的主要原因.
- 角膜炎可能导致角膜穿孔和严重的视力损伤,需要早期风险评估.
- 目前的治疗策略需要及时分析角膜患者的预后.
研究的目的:
- 为角膜患者开发一个全自动化的预后模型系统.
- 预测角膜穿孔和视力损伤的风险.
- 帮助开发早期治疗策略,以改善患者的治疗结果.
主要方法:
- 使用深度学习和机器学习算法 (XGBoost,LightGBM) 的两部分建模方法.
- 第1部分:深度学习用于从4973个裂纹灯图像中对5个角膜病变进行细分和分类.
- 第二部分:将临床数据与图像分析集成为使用240名患者数据进行预后建模.
主要成果:
- 病变细分的高准确率:低 (96.86%),低 (91.64%),角膜 (90.51%),新血管化 (93.97%).
- 角膜痕分类的准确率达到69.76%.
- XGBoost模型显示出强大的预测性能:1个月AUC为0.81的穿孔和0.77的视力障碍;3个月AUC为0.97的穿孔. 在3个月的视力损伤中,LightGBM实现了0.98 AUC.
结论:
- 开发的AI系统在预测角膜 perforation和视力障碍方面表现出高准确度.
- 预后模型可以显著帮助临床医生制定及时有效的治疗策略.
- 这种自动化系统为管理角膜患者和预防失明提供了一个有前途的工具.
