使用机器学习预测 Fundus-Obscuring玻璃体出血的原因
Jinsoo Kim1, Bo Sook Han1, Joo Eun Ha1
1Department of Ophthalmology, Hallym University Sacred Heart Hospital, Hallym University College of Medicine, Anyang 14068, Republic of Korea.
Diagnostics (Basel, Switzerland)
|February 13, 2025
概括
机器学习使用手术前数据准确预测底部遮蔽性玻璃体出血 (FOVH) 的原因. 关键因素包括糖尿病视网膜病变,视网膜静脉封闭以及其他眼睛疾病,有助于治疗规划.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 视网膜疾病 视网膜疾病
背景情况:
- 掩盖底部的玻璃体出血 (FOVH) 提出了诊断方面的挑战.
- 在手术前确定病因是有效治疗的关键.
研究的目的:
- 根据手术前条件,使用机器学习 (ML) 预测FOVH未知的病因.
- 确定影响FOVH病因的关键手术前因素.
主要方法:
- 对223只眼睛进行了回顾性审查,其中FOVH的病因不明.
- 收集了手术前的数据,包括人口统计,全身疾病和眼科病史.
- 使用七倍交叉验证训练和评估了四个ML算法 (ANN,XG-Boost,LASSO,决策树).
主要成果:
- 机器学习算法实现了68.5%至76.2%的预测准确度.
- 确定了关键的预测因素:同眼中的多发性糖尿病视网膜病变 (PDR),糖尿病,下关节出血,以及视网膜撕裂,视网膜静脉封闭 (RVO) 或神经血管与年龄相关的黄斑变性 (nAMD) 的历史.
结论:
- ML模型可以预测FOVH的病因在手术前具有显著的准确性.
- 手术前的眼病状况和同伴眼睛的状况是关键预测因素.
- 这种ML方法可以帮助制定适合FOVH的治疗策略.


