人工智能深度学习模型预测太空飞行相关神经眼综合征 (SANS)
Alex S Huang1, Jalil Jalili1, Evan Walker1
1Hamilton Glaucoma Center, The Viterbi Family Department of Ophthalmology, Shiley Eye Institute, University of California, San Diego, CA, USA.
American journal of ophthalmology
|June 12, 2025
概括
人工智能模型可以使用OCT成像预测太空飞行相关神经眼综合征 (SANS). 这项研究验证了向下倾斜的卧床作为SANS开发的合适模型,有助于未来的航天健康研究.
科学领域:
- 眼科医生 眼科 眼科
- 航空航天医学 航空航天医学
- 人工智能的人工智能
背景情况:
- 太空飞行相关神经眼综合征 (SANS) 是宇航员的一个重大问题.
- 光学一致性断层扫描 (OCT) 是用于眼部健康评估的关键成像模式.
研究的目的:
- 开发深度学习AI模型来预测SANS发展.
- 为了利用视神经头部 (ONH) 的OCT成像进行SANS预测.
主要方法:
- 从宇航员和头向下倾斜卧椅 (HDTBR) 参与者的OCT数据集的回顾性分析.
- 培训基于Resnet50的飞行和/或地面数据的深度学习模型.
- 通过曲线下的接收器操作特征 (ROC) 区域 (AUC) 和类激活图 (CAMs) 评估模型性能.
主要成果:
- 人工智能模型在预测飞行前/卧床前OCT图像中的SANS方面表现中等至高.
- 交叉训练模型 (飞行和地面数据) 显示了可比性能,这表明太空中的SANS和HDTBR之间的相似之处.
- CAM突出显示了关键的ONH区域,包括周神经纤维层和视网膜色素表皮.
结论:
- 深度学习的人工智能模型可以使用飞行前OCT成像有效预测SANS.
- 这项研究支持HDTBR作为SANS研究的有效地球模型.
- 这些发现有助于理解和减轻太空飞行中的SANS风险.
