机器学习方法用于识别角膜移植排斥的风险因素
Sepehr Feizi1,2, Mohammad Ali Javadi3, Kia Bayat3
1Ocular Tissue Engineering Research Center, Research Institute for Ophthalmology and Vision Science, Shahid Beheshti University of Medical Sciences, Tehran, Iran. sepehrfeizi@yahoo.com.
Scientific reports
|November 25, 2024
概括
机器学习确定了角膜移植拒绝的关键风险因素. 角质塑性技术,患者年龄和捐赠者因素显著影响排斥风险.
科学领域:
- 眼科医生 眼科 眼科
- 角膜移植 角膜移植
- 机器学习应用 机器学习应用
背景情况:
- 角膜是一种渐进的眼睛疾病,需要角膜移植.
- 移植体排斥仍然是角质塑性手术后的一个重大并发症.
- 识别移植器拒绝的预测因素对于改善结果至关重要.
研究的目的:
- 利用机器学习来识别在接受角膜移植的角质患者中移植拒绝的风险因素.
- 在这种情况下,比较各种监督学习算法的预测能力.
主要方法:
- 对1214个经过初级角膜移植 (1994-2021) 的角质眼进行了回顾性分析.
- 数据收集包括接受者,捐赠者,手术和术后变量.
- 五个监督学习算法 (ANN,SVM,梯度提升,额外树木,随机生存森林) 用于识别预测因素.
主要成果:
- 第一次移植拒绝的总体患病率为28.1%.
- 在所有模型中,角质整形技术 (透与深前层层层) 始终与排斥风险增加有关.
- 确定了其他重要的风险因素:患者年龄,眼睛移植的同伴,捐赠者年龄,移植内皮细胞密度,皮质类固醇使用的持续时间,除时间和并发症.
结论:
- 机器学习模型有效地识别了角膜移植排斥在角膜的多种风险因素.
- 角质整形技术是影响排斥风险的关键因素.
- 建议包括使用低剂量的局部皮质类固醇,直到线被移除以减轻排斥风险.
