人工智能预测黄斑孔手术结果:专注于光学连贯性断层扫描参数

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 黄斑孔 (MH) 手术旨在获得解剖学上的成功,受手术前指标的影响.
• 光学连贯断层扫描 (OCT) 为评估MH特征提供了关键测量.

研究的目的:

• 将基于OCT指数和GPT人工智能 (AI) 模型的预测性能与逻辑回归进行比较,以预测MH手术中的解剖成功.

主要方法:

• 对51只眼睛进行了回顾性分析,这些眼睛因特异性MH而接受了帕斯普拉纳视切除术.
• 使用了手术前的OCT测量:黄斑孔指数 (MHI),引孔指数 (THI),孔形状因子 (HFF),基底孔径 (BHD) 和最小孔径 (MHD).
• 开发了GPT-AI和后勤回归模型;比较了预测准确性,AUC,POPV,NPV和卡帕统计数据.

主要成果:

• 解剖学的成功率为72.5%.
• MHI,THI和HFF是成功的重要预测因素 (p < 0.0001).
• 后勤回归 (84.3%的准确率,0.759的AUC,0.800的NPV) 超过了GPT (77.0%的准确率,0.770的AUC,0.452的NPV). BHD和MHD具有较低的预测能力 (0.291 AUC).

结论:

• 来自OCT的指数 (MHI,THI,HFF) 对于预测MH手术结果非常有价值.
• 在这个队列中,物流回归显示出比GPT模型更好的预测性能.
• 人工智能模型有希望,但需要进一步开发和验证,以便在MH手术预测中临床使用.