机器学习应用于主导光学缩患者的视觉场

科学领域:

• 眼科医生 眼科 眼科
• 机器学习 机器学习
• 遗传学 是一个遗传学.

背景情况:

• 主导性视力缩 (DOA) 是一种遗传性视力神经病变,其特征是逐渐失去视力.
• 了解与DOA相关的视野 (VF) 模式对于诊断和管理至关重要.
• 现有的方法可能无法完全捕捉VF缺陷的频谱或它们与遗传亚型的关系.

研究的目的:

• 在患有主导视力缩 (DOA) 的患者中识别和量化特征视野 (VF) 模式.
• 为此目的使用原型分析 (AA) 机器学习算法.
• 通过将VF模式与OPA1突变亚型联系起来,探索基因型-表型相关性.

主要方法:

• 从144名分子确诊的DOA (OPA1异合突变) 患者的30-2或24-2汉弗雷视野测试的回顾性分析.
• 使用训练套件 (80%的VF) 开发AA模型,将VF分解为原型 (AT).
• 在AT重量与视敏度 (VA) /平均偏差 (MD) 之间的相关性分析,以及跨突变亚型的AT重量的统计比较.

主要成果:

• 开发的DOA-AA模型,包括8个AT,在测试组中显示出高性能 (R2 = 0.88).
• 代表中枢/中枢瘤和高级缺陷的原型显示了最高的重量.
• 缺陷严重程度与MD相关,而总损失AT与VA相关;与更糟糕的结果相关的突变亚型对更严重的AT有显著更高的权重.

结论:

• 该AA模型成功地识别和量化了特定于DOA的VF模式.
• 这项研究支持临床基因型-表型关联,VF AA分解反映了疾病严重程度.
• AA提供了一种客观的方法来量化DOA中的VF缺陷,提供基于遗传信息的功能洞察.