人工智能增强的OCT生物标志物分析在斑点脱落的原性视网膜脱落患者中
Lorenzo Ferro Desideri1,2,3, Tamara Danilovska4, Enrico Bernardi1,2
1Department of Ophthalmology, Inselspital, Bern University Hospital, University of Bern, Bern, Switzerland.
Translational vision science & technology
|October 11, 2024
概括
人工智能识别了光学连贯断层扫描 (OCT) 生物标志物,用于斑点脱落的风湿性视网膜脱落 (RRD). 增加的外核层 (ONL) 厚度和光受体/视网膜色素表皮质 (PR+RPE) 厚度与更好的视觉结果相关,而高反射焦点 (HF) 表示较差的结果.
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:
- 斑点脱落的风湿性视网膜脱落 (RRD) 显著影响视力敏度.
- 对视觉结果的准确预测对于患者管理至关重要.
- 需要新的生物标志物来更好地理解RRD中的视觉功能.
研究的目的:
- 使用人工智能 (AI) 识别光连贯断层扫描 (OCT) 生物标志物用于斑点脱落的RRD.
- 为了将已识别的OCT生物标志物与功能视觉结果相关联.
- 评估这些生物标志物对最终视力敏度的预测价值.
主要方法:
- 使用人工智能平台分析了59名斑点脱落RRD患者的OCT成像数据.
- 人工智能平台测量了视网膜层厚度 (ONL,PR+RPE),并检测了诸如高反射焦点 (HF) 和视网膜内液 (IRF) 等生物标志物.
- 采用随机森林模型来确定最终最佳校正视敏度 (BCVA) 的预测因素.
主要成果:
- 手术后的BCVA从基线显著改善 (0.5 logMAR到0.3 logMAR).
- 治疗后观察到外核层 (ONL) 和光受体/视网膜色素表皮质 (PR+RPE) 厚度的显著增加.
- 治疗后超反射焦点 (HF) 发生率下降,基线BCVA,ONL厚度,HF和IRF被确定为最终BCVA的关键预测因素.
结论:
- 增加的ONL和PR+RPE厚度与斑点脱落的RRD中更好的视觉结果有关.
- 在基线出现高反射焦点 (HF) 表明视觉预后较差.
- 基线BCVA仍然是主要预测因素,但AI识别的OCT生物标志物提供了额外的预后价值.
