稳定和有区别的OCT衍生放射性特征用于预测糖尿病黄斑的抗VEGF治疗反应

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:

• 来自光谱域光学连贯性断层扫描 (SD-OCT) 的放射学显示出预测糖尿病黄斑 (DME) 中抗VEGF治疗反应的前景.
• 放射学特征对OCT扫描器变化敏感,可能会影响不同站点和设备的预测准确性.
• 站点间和扫描仪间的变异性对DME治疗响应预测中的通用放射性模型构成挑战.

研究的目的:

• 通过确定DME治疗反应的稳定和有区别的OCT衍生的放射性特征来开发一个通用分类器.
• 评估与特定眼内部分 (液体与视网膜组织) 相关的放射性特征的相对稳定性.

主要方法:

• 从两个临床试验中的151名DME患者的SD-OCT扫描中提取了494个基于纹理的放射性特征.
• 基于可区分性 (AUC) 和结合稳定性-可区分性标准的排名特征,使用Wilcoxon排名和值测试进行稳定性评估.
• 在选定的特征上训练并验证了各种机器学习分类器,以确定一个通用和稳定的模型来预测抗VEGF治疗反应.

主要成果:

• 结合稳定性和可歧视性标准的模型实现了较高的AUC (0.9),而不是仅使用可歧视性 (0.81,p=0.048).
• 来自视网膜组织区的基于纹理的放射性特征在数据集中表现出比来自流体区的数据集更大的稳定性.
• 开发的分类器对站点间和扫描器间的变异性敏感度降低.

结论:

• 可以通过整合来自OCT扫描的稳定和歧视性纹理特征来开发一个通用的放射性分类器,以预测DME治疗反应.
• 特征稳定性受到眼睛内提取的空间起源的影响,视网膜组织特征更稳定.
• 这种方法提高了放射学在预测糖尿病黄斑的治疗结果的稳定性和通用性.