深度神经网络眼科疾病识别模型在选择药物治疗策略时的辅助作用
Wang Xi1, Hongxu Sun1, Huan Liu1
1The 967th Hospital of the Chinese People's Liberation Army Joint Logistic Support Force, Ophthalmology Department, Dalian, Liaoning, China.
Pakistan journal of pharmaceutical sciences
|June 12, 2025
概括
深度神经网络 (DNN) 框架改善了眼科疾病的诊断和个性化药物治疗计划. DNN辅助治疗导致更好的准确性,临床疗效和患者遵守.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 个性化药物治疗计划对于有效的眼科疾病管理至关重要.
- 目前基于医生的计划可能缺乏准确性,影响临床结果.
- 深度神经网络 (DNN) 在分析复杂的医疗数据以改善决策方面表现有前途.
研究的目的:
- 评估基于深度神经网络 (DNN) 的框架来诊断眼科疾病.
- 与标准护理相比,评估DNN辅助个性化药物治疗计划的有效性.
- 确定DNN协助对药物选择准确性,临床疗效,患者服药性和不良事件管理的影响.
主要方法:
- 潜在的,单中心的,随机对照的临床试验.
- 500名患者被随机分配到DNN辅助的实验组和标准的医生控制组.
- 主要结局包括药物选择准确性,最佳校正视敏度 (BCVA),中央黄斑厚度 (CMT),患者服从性和不良反应率.
主要成果:
- DNN辅助的治疗计划显著提高了药物选择准确性和整体治疗质量.
- 实验组在BCVA和CMT得分上显示了统计学上显著的改善.
- 接受DNN辅助计划的患者表现出更高的遵守率和减少不良反应率的趋势.
结论:
- 基于DNN的框架可以显著提高眼科疾病管理的准确性和质量.
- 由人工智能指导的个性化治疗策略显示出更好的患者结果和安全的潜力.
- 人工智能技术在眼科的整合为精准医学提供了有希望的未来.
