预测视网膜神经纤维层厚度从眼睛高血压治疗研究光盘照片
James C Liu1, Alessandro A Jammal2, Rafael Scherer2
1Department of Ophthalmology, Washington University, St Louis, Missouri.
JAMA ophthalmology
|June 26, 2025
概括
深度学习模型可以从光盘照片中预测视网膜神经纤维层 (RNFL) 厚度,识别面部高血压患者有患初级开角玻璃眼瘤 (POAG) 的风险. 较快的RNFL稀释也预测了POAG的发展.
科学领域:
- 眼科和人工智能的人工智能
- 青光眼的诊断和风险预测
背景情况:
- 眼睛高血压是原发性开角青光眼 (POAG) 的重要危险因素.
- 早期检测和风险分层对于管理眼高血压和预防POAG进展至关重要.
- 视网膜神经纤维层 (RNFL) 厚度是青光眼损伤的关键指标.
研究的目的:
- 预测平均RNFL厚度使用深度学习光盘照片从眼睛高血压治疗研究 (OHTS).
- 评估RNFL厚度对眼睛高血压患者POAG发展的预测效用.
主要方法:
- 在OHTS 1和2试验中使用了诊断研究设计,涉及来自1636名患有眼睛高血压的参与者的3272只眼睛.
- 采用一个经过OCT培训的深度学习 (机器对机器 (M2M)) 模型,从66714张光盘照片中生成预测的RNFL厚度.
- 使用比例危险模型分析了与POAG转换相关的因素,包括预测的RNFL厚度及其纵向变化.
主要成果:
- 较低的基线预测RNFL厚度与转换为POAG显著相关 (HR,1.83;P<0.001每10μm更薄).
- 预测RNFL厚度的较快纵向变化是POAG发展的强有力的预测指标 (HR,6.01;P < .001每1μm/年更快的损失).
- 传统的风险因素,如年龄,眼内压力和杯盘比率也仍然是重要的预测因素.
结论:
- 从光盘照片中预测的机器对机器 (M2M) RNFL厚度作为眼睛高血压中青光眼瘤发展的假定风险因素.
- 基线M2M预测的RNFL厚度及其变化率对于评估青光眼风险和监测疾病进展是有价值的.
- 这些发现突显了深度学习在提高青光眼风险评估和患者管理方面的潜力.
