人工智能用于检测用多焦电网红图波形的洛昆和氧洛昆治疗中的视网膜毒性

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:

• 氨酸和氧氨酸是关键的类风湿病药物.
• 这些药物带有视网膜毒性风险,需要对患者进行警监测.
• 目前的查方法包括成像和周边测量,多焦点电网膜学 (mfERG) 是一种有价值但难以获得的工具.

研究的目的:

• 评估人工智能 (AI) 算法的有效性,以识别在接受 (基) 洛昆治疗的患者的视网膜损伤.
• 为了比较使用原始mfERG时间序列信号的AI模型与用于检测黄斑病的传统波形参数.
• 评估AI使用mFERG数据预测周边灵敏度的能力.

主要方法:

• 对接受 (基) 洛昆治疗的患者的多焦点电网膜学 (mfERG) 数据的分析.
• 开发和比较人工智能分类模型用于检测黄斑病变.
• 开发人工智能回归模型来预测视野灵敏度.
• 使用原始mfERG痕迹与传统波形参数的AI模型的比较分析.

主要成果:

• 与线性模型相比,使用完整 mfERG 痕迹的 AI 模型对与疾病相关的变化具有更高的预测能力.
• 回归模型在预测mfERG数据中与疾病无关的变化方面表现出良好的表现.
• 基于人工智能的方法显示出在监测药物诱导视网膜病变方面增强诊断能力的潜力.

结论:

• 人工智能算法,特别是处理原始mfERG信号的算法,为改善早期检测 (基) 黄素视网膜病变提供了一个有希望的途径.
• 人工智能模型可以提高诊断准确度,超越传统方法,有助于预防视力障碍.
• 数据集不平衡可能需要进一步细化特定的临床应用.