在神经血管与年龄相关的黄斑退化中,每次会议预测抗内皮生长因子注射的需要,使用光学一致性断层学衍生特征和机器学习

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:

• 神经血管与年龄相关的黄斑变性 (nAMD) 会导致不可逆转的视力丧失.
• 目前的亲子转生 (PRN) 抗VEGF治疗需要频繁注射,给患者和医疗保健带来负担.
• 预测注射需求可以优化nAMD管理.

研究的目的:

• 开发和评估机器学习 (ML) 模型,以预测nAMD患者内注射的必要性.
• 为了准确预测,确定关键的临床和OCT衍生的特征.
• 为了评估每次注射的可行性,需要预测.

主要方法:

• 机器学习模型使用临床变量进行训练和验证,包括视网膜厚度,视力敏度和OCT特征.
• 一种嵌套的交叉验证方法 (不包括一些主题) 确保了强大的模型评估.
• 使用夏普利添加式扩展 (SHAP) 分析来解释模型预测和特征重要性.

主要成果:

• 结合结构和功能特征的模型在预测注射必要性方面取得了很高的准确性 (AUC = 0.747).
• 发现的关键预测因素包括子视网膜液,内视网膜液和视网膜中心厚度.
• 这些模型展示了预测注射需求的能力,而无需处理整个OCT图像.

结论:

• 使用ML,可以对nAMD的注射需求进行会议对会议的预测.
• 开发的ML框架有可能被整合到临床工作流程中.
• 通过预测分析可以实现对nAMD的优化治疗管理.