评估糖尿病黄斑的抗VEGF反应:通过人工智能驱动的治疗见解进行系统审查

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 糖尿病黄斑 (DME) 是导致视力丧失的主要原因.
• 抗血管内皮生长因子 (抗VEGF) 注射是对DME的主要治疗方法.
• 预测个体患者对抗VEGF治疗的反应仍然是一个临床挑战.

研究的目的:

• 审查机器学习 (ML) 和深度学习 (DL) 算法的应用,以预测DME中患者对抗VEGF治疗的反应.
• 评估各种ML / DL算法的有效性,以区分响应者和非响应者.
• 评估这些算法的潜力,分析眼睛适合延长间隔剂量.

主要方法:

• 在2023年8月31日之前对电子数据库 (PubMed,IEEE Xplore,BioMed,JAMA,Google Scholar) 进行系统审查.
• 数据的提取遵循了PRISMA指南.
• 分析的重点是使用ML/DL算法 (LDA,ResNet-50,CNN,QDA,RF,SVM) 与DME患者的OCT成像的研究.

主要成果:

• 审查了2016年至2023年间发表的50篇相关论文.
• 机器学习和深度学习算法展示了用于治疗反应评估的特征提取能力.
• 在检测治疗反应方面,平均实现了74% (95% CI:0.55-0.92) 的自动化灵敏度.

结论:

• ML和DL算法显示出预测DME患者抗VEGF治疗反应的显著潜力.
• 这些人工智能驱动的方法可以帮助个性化治疗策略和优化剂量间隔.
• 需要进一步的研究来完善和验证这些算法用于临床应用.