相关实验视频
Updated: May 16, 2025
07:20
Inducement and Evaluation of a Murine Model of Experimental Myopia
Published on: January 22, 2019
9.8K
使用近视症进展机器学习模型评估0.125%阿特罗宾的疗效
Chang Yoon Han1, Sa Ra Kim1, Dae Hee Kim2,3
1Department of Ophthalmology, Kim's Eye Hospital, #136 Yeongsin-ro, Yeongdeungpo-gu, Seoul, 07301, Republic of Korea.
Japanese journal of ophthalmology
|May 15, 2025
概括
与机器学习预测模型相比,低剂量氨酸眼药有效减缓了儿童近视的进展. 这项研究强调了机器学习在评估近视治疗疗效方面的潜力.
科学领域:
- 眼科医生 眼科 眼科
- 儿科眼科医生 儿科眼科医生
- 人工智能在医学中的应用
背景情况:
- 儿童近视是一种日益严重的公共卫生问题.
- 准确预测近视进展对于有效的干预至关重要.
- 机器学习 (ML) 模型为预测疾病轨迹提供了潜力.
研究的目的:
- 评估ML模型在预测儿童自然近视进展方面的有用性.
- 用ML模型作为比较器,评估0.125%的上腺素对儿童近视进展的抑制作用.
- 为了确定与0.125%的阿特罗平治疗相关的近视抑制率.
主要方法:
- 追溯队列研究涉及397名儿童,他们接受了0.125%的氨酸眼滴治疗.
- 参与者按治疗持续时间分组 (6,12,18,24,30个月).
- 实际球体等价值 (SE) 与ML预测的SE进行比较,以计算近视抑制率.
主要成果:
- 用0.125%的氨酸治疗导致近视的结果明显低于ML模型预测的结果,除了6个月的组.
- 平均近视抑制率为53.5%,表明有效抑制进展.
- 与实际治疗结果相比,ML模型预测了更先进的近视进展.
结论:
- 0.125%的阿特罗宾治疗在抑制儿童近视进展方面表现出有效性.
- ML模型可以作为预测近视进展和评估治疗有效性的宝贵工具.
- 这种方法有助于理解近视的自然过程和干预措施的影响.
