通过基于玻璃体幽默免疫调解者配置文件的机器学习来预测眼内疾病的方法
Risa Sugawara1, Yoshihiko Usui1, Akira Saito2
1Department of Ophthalmology, Tokyo Medical University Hospital, Tokyo, Japan.
Investigative ophthalmology & visual science
|March 19, 2025
概括
机器学习使用玻璃体免疫介质准确预测眼内疾病. 随机森林模型确定了玻璃结核淋巴瘤,内炎和皮膜黑色素瘤的关键生物标志物.
科学领域:
- 眼科医生 眼科 眼科
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 眼内疾病带来了诊断方面的挑战.
- 识别特定的免疫媒介可以帮助诊断和了解疾病机制.
研究的目的:
- 为了确定应用到玻璃体免疫媒介水平的机器学习算法是否可以预测12种眼内疾病.
- 为了确定特定的免疫媒介,这对于预测准确性至关重要.
主要方法:
- 从522只眼睛中采集了12种眼内疾病的玻璃体样本.
- 使用细胞计数珠阵列测量了28个免疫媒介.
- 采用了五个机器学习算法,并进行了分层的k-fold交叉验证以进行分析.
主要成果:
- 随机森林在分类12种眼内疾病方面取得了最高的准确性.
- 已经证明了对玻璃结核淋巴瘤,内甲状腺炎和皮膜黑色素瘤的优越分类.
- 确定了关键的免疫媒介物:IL-10,大酶A,IL-6用于淋巴瘤;IL-6,G-CSF,IL-8用于内膜炎;RANTES,IL-8,bFGF用于黑色素瘤.
结论:
- 机器学习,特别是随机森林,使用玻璃体免疫媒介有效预测特定的眼内疾病.
- 这种方法有助于诊断白内障淋巴瘤,内炎和阴道黑色素瘤.
- 已识别的免疫媒介可能成为眼内疾病的未来生物标志物.
