在早产视网膜病变的抗膜内皮生长因子单疗后重新激活的预测:多式机器学习模型研究多式机器学习模型研究
Rong Wu1, Yu Zhang1, Peijie Huang2
1Department of Ophthalmology, Zhujiang Hospital, Southern Medical University, Guangzhou, China.
Journal of medical Internet research
|April 23, 2025
概括
在抗VEGF治疗后预测早产性视网膜病变 (ROP) 活性化至关重要. 一个新的融合模型准确地预测了ROP的重新激活,有助于优化婴儿治疗和查策略.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 新生儿护理 新生儿护理
背景情况:
- 早产视网膜病变 (ROP) 是可预防的儿童失明的主要原因.
- 内抗VEGF注射对于预防视力丧失至关重要,但可能导致ROP重新激活.
- 准确预测ROP重新激活对于有效的治疗和管理至关重要.
研究的目的:
- 开发和验证机器学习模型,用于预测抗VEGF治疗后的ROP重新激活.
- 为了比较传统,深度学习和融合模型在ROP重新激活预测中的性能.
主要方法:
- 从三家医院招募了239名患有ROP的婴儿接受抗VEGF治疗.
- 构建和评估传统的机器学习,深度学习和融合模型.
- 使用曲线下的面积 (AUC),精度,灵敏度和特异性评估模型性能.
主要成果:
- 在239例中,有90例 (37.66%) 经历了ROP重新激活.
- 传统的ML模型实现了AUC大约为0.806.6.
- 融合模型在测试中表现出卓越的性能,AUC为0.822,灵敏度为0.800,特异性为0.686.
结论:
- 开发了三种预测模型,用于抗VEGF治疗后的ROP重新激活.
- 融合模型表现出最好的预测性能.
- 该模型可以增强ROP治疗策略,并改善婴儿治疗后查计划.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
12:28Quantification of Vascular Parameters in Whole Mount Retinas of Mice with Non-Proliferative and Proliferative Retinopathies
Published on: March 12, 2022
3.5K
