基于无监督机器学习的眼睛高血压患者快速视野进展相关的因素的识别

科学领域:

• 眼科医生 眼科 眼科
• 数据科学数据科学数据科学
• 医学研究 医学研究

背景情况:

• 眼睛高血压 (OHT) 是青光眼的前体,其特征是眼内压力升高 (IOP).
• 预测OHT视野 (VF) 进展对于及时干预至关重要.
• 识别不同的患者亚型可以完善风险分层和治疗方法.

研究的目的:

• 根据视野 (VF) 进展模式使用无监督机器学习对眼睛高血压 (OHT) 患者亚型进行分类.
• 确定与OHT快速下降的VF相关的人口,临床和眼部因素.

主要方法:

• 隐性类混合模型 (LCMM) 用于分析1568名OHTS参与者的3133只眼睛的标准自动周长度 (SAP) 平均偏差 (MD) 轨迹.
• 亚型以基线因素为特征,通用估计方程 (GEE) 确定了快速VF进展的预测因素.

主要成果:

• 确定了四种不同的OHT亚型:改善者,稳定者,缓慢进展者和快速进展者,平均MD下降率分别为0.08, -0.06, -0.21和-0.45dB/年.
• 快速的VF进展与更高的基线年龄,内血压,模式标准偏差 (PSD) 和折射误差 (RE) 以及较低的中枢角膜厚度 (CCT) 相关.
• 诸如男性性别,心脏病史,糖尿病,非裔美国人种族和中风史等因素与更快的进展有关.

结论:

• 无监督的聚类客观地识别了OHT亚型,包括那些快速恶化VF的亚型.
• 快速VF进展与特定的风险因素有关,包括中风,心脏病,糖尿病,非洲裔美国人种族和男性性别.
• 亚型化促进了个性化治疗策略,以减轻视力丧失和提高患者的生活质量.