英国-以色列项目基于算法管理与年龄相关的黄斑退化:深度学习集成用于现实世界的数据管理和分析

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:

• 神经血管与年龄相关的黄斑变性 (nAMD) 在临床管理中提出了复杂的挑战.
• 将临床数据与光学相干断层扫描 (OCT) 图像进行整合对于了解疾病进展至关重要.
• 通过对海外国家和地区扫描的自动化分析,可以提高nAMD评估的客观性和效率.

研究的目的:

• 开发一个综合数据集,将临床和OCT成像数据结合起来,用于nAMD.
• 应用深度学习 (DL) 算法用于在大型现实世界nAMD数据集中自动量化OCT扫描.
• 在nAMD患者中描述基线人口统计,临床参数和视网膜形态特征.

主要方法:

• 在两个国际中心对4265名nAMD患者的5207只眼睛的数据进行了回顾性分析.
• 利用深度学习算法 (NOATM) 来自动定量视网膜液体体积和来自OCT扫描的形态特征.
• 在英国和以色列队伍之间比较了基线特征,包括视力敏度和流体分布.

主要成果:

• 综合数据集包括超过134,000次视敏度测量和79,000次OCT扫描.
• 液体分布模式是一致的,大多数眼睛都表现出视内和视下液体.
• 观察到流体体积与年龄相关的趋势,以及基线OCT测量与视力敏度之间的弱相关性.

结论:

• 证明了整合大规模临床和成像数据用于自动化nAMD分析的可行性.
• 提供了全面的基线表征,为现实世界nAMD演示提供了洞察力.
• 在nAMD管理中建立了个性化决策和结果优化的基础.