用基于AI的进展预测模型对缩性与年龄相关的黄斑变性治疗效果进行模拟
Irmela Mantel1,2, Romina M Lasagni Vitar3, Sandro De Zanet4
1Department of Ophthalmology, University of Lausanne, Jules-Gonin Eye Hospital, Fondation Asile des Aveugles, Lausanne, Switzerland.
International journal of retina and vitreous
|February 7, 2025
概括
对于与年龄相关的黄斑变性 (AMD) 的佩格西塔科普兰治疗显示了对缩进展的可变影响. 一个深度学习模型可视化了这种个性化的反应,帮助对视网膜色素上皮质和外视网膜缩 (RORA) 提供个性化的护理.
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:
- 与年龄相关的黄斑变性 (AMD) 会导致缩,影响视力.
- 佩格塞塔科普兰是一种治疗AMD相关缩的药物.
- 个性化治疗效果需要先进的预测建模.
研究的目的:
- 为了说明Pegcetacoplan对AMD相关缩的治疗效果.
- 使用深度学习模型进行个性化的地形进展预测.
- 为了比较治疗效果与自然缩进展.
主要方法:
- 追溯分析99名患有AMD相关缩的患者和纵向OCT数据.
- 应用深度学习算法来预测2年的缩进展.
- 视网膜色素上皮质和外视网膜缩 (RORA) 增长的个性化地形建模.
主要成果:
- 在连续模型中,Pegcetacoplan的效果可视化为预测增长的80%.
- 缩的增长速度根据 fundus 位置有显著的变化.
- 取决于位置的生长差异表明可能对患者的治疗结果产生影响.
结论:
- 该模型展示了Pegcetacoplan对RORA生长的可变治疗效果.
- 治疗疗效是个性化的,受患者特定因素的影响.
- 这种方法支持 AMD 管理中的个性化医疗护理.
更多相关视频
10:24Regenerative Therapy by Suprachoroidal Cell Autograft in Dry Age-related Macular Degeneration: Preliminary In Vivo Report
Published on: February 12, 2018
10.1K
06:16Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
Published on: July 28, 2023
2.4K
