集成机器学习算法用于预测糖尿病黄斑的抗VEGF治疗疗效

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) 导致显著的视力丧失.
• 抗血管内皮生长因子 (抗VEGF) 治疗在DME患者中显示出可变的疗效.
• 目前使用光连贯断层扫描 (OCT) 的诊断需要手动解释,限制准确性.

研究的目的:

• 开发机器学习 (ML) 模型,用于预测DME患者的抗VEGF治疗结果.
• 整合3D-OCT成像功能与临床变量进行增强的预测.
• 提高DME治疗反应预测的准确性.

主要方法:

• 收集了DME患者的医疗记录和3D-OCT图像.
• 在治疗后将患者分为良好的和不良的视觉反应组.
• 开发和评估了11个自动分类模型,选择前3个组合模型.

主要成果:

• 利用20个图像和临床特征用于模型开发.
• 适应增强,梯度增强和LightGBM显示出卓越的性能.
• 整体模型实现了0.912准确度,0.941灵敏度和0.882特异性,AUC为0.976.

结论:

• 集成3D-OCT和临床数据的整体ML算法准确地预测了DME.ME中的抗VEGF治疗反应.
• 这种自动化方法有助于临床医生为DME患者做出最佳治疗决策.
• 开发的模型为个性化DME管理提供了一个有前途的工具.