相关实验视频
Updated: Sep 11, 2025
05:36
Subjective Refraction Test Using a Smartphone for Vision Screening
Published on: October 18, 2024
1.0K
仅在例行儿科眼科检查上使用机器学习预测近视折射误差发生的儿童
Yonina Ron1, Tchelet Ron2, Naomi Fridman2
1Ophthalmology, Rambam Health Care Campus, Haifa, Israel.
Scientific reports
|August 17, 2025
概括
机器学习模型现在可以使用简单的眼科检查数据来预测儿童近视. 这种人工智能工具有助于识别有风险的儿童,以便进行早期干预和个性化护理.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 儿科健康 儿科健康
背景情况:
- 儿童近视是一种日益严重的公共卫生问题.
- 早期发现近视对于有效管理和预防视力障碍至关重要.
- 定期的眼科检查对于监测儿童的眼睛健康至关重要.
研究的目的:
- 开发和验证用于预测儿童近视发病的机器学习模型.
- 利用非侵入性,易于获得的临床数据来预测近视风险.
- 提供基于人工智能的查工具,用于早期识别患近视风险的儿童.
主要方法:
- 对儿科眼科患者病历 (2010-2022) 的回顾性分析.
- 使用随机森林和渐变增强树木算法开发了三种预测模型.
- 包含易于获取的,非侵入性数据,不包括轴长和角膜曲率.
主要成果:
- 这项研究分析了来自2437名儿童的7814次访问,其中11%的儿童发展近视.
- 机器学习模型在预测近视方面达到77%的灵敏度和92%的特异性.
- 这些模型成功地确定了患近视折射误差风险的儿童.
结论:
- 人工智能驱动的模型可以使用标准的临床数据准确地预测儿童近视的发展.
- 这种方法使得儿童近视的个性化后续和及时治疗策略成为可能.
- 开发的查工具为护理人员和临床医生提供了宝贵的资源.
