一个机器学习模型用于预测糖尿病黄斑的抗VEGF治疗的解剖反应

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 糖尿病黄斑 (DME) 是导致视力丧失的主要原因.
• 抗VEGF疗法是DME的标准治疗方法.
• 预测治疗反应对于优化患者结果至关重要.

研究的目的:

• 开发和验证一种机器学习模型,以预测患有DME的患者对抗VEGF治疗的解剖反应.
• 确定治疗成功的关键基线预测因素.

主要方法:

• 对接受抗VEGF治疗的DME患者进行了回顾性研究.
• 使用光学连贯断层扫描 (OCT) 和血液标记器作为基线数据.
• 训练并验证了五个机器学习算法,选择了物流回归作为表现最好的.
• 使用SHAP分析解释模型并构建了一个名ogram.

主要成果:

• 确定了五个关键预测因素:手术前的中央视网膜厚度 (CRT) >400微米,视网膜,副视网膜液 (SRF),视网膜内层的失调 (DRIL) 和圆形区域 (EZ) 完整性.
• 后勤回归模型实现了高性能 (AUC 0.90).
• 视网膜,DRIL,SRF和CRT是强烈的积极预测因素;完整的EZ是一个负面预测因素.

结论:

• 开发了一种强大的机器学习模型,以预测DME中对抗VEGF治疗的解剖反应.
• 模型和名图可以帮助个性化治疗规划.
• 建议进一步进行多中心验证,以提高可通用性.