在神经血管与年龄相关的黄斑退化症中,在抗VEGF负载后基于AI的响应分类

科学领域:

• 眼科,医学中的人工智能,医学成像分析.

背景情况:

• 湿时与年龄有关的黄斑变性 (AMD) 涉及黄斑新血管化 (MNV),用抗VEGF注射治疗.
• 目前的治疗评估依赖于光学连贯性断层扫描 (OCT) 流体存在和视力敏度,这可能不一致.
• 对治疗反应的客观评估对于管理湿性AMD至关重要.

研究的目的:

• 开发和验证一种人工智能 (AI) 分类模型,用于评估湿 AMD 患者对抗 VEGF 治疗的反应.
• 从治疗后3个月的OCT图像中客观地预测解剖疾病活动和视觉预后.
• 克服临床实践中主观评估的局限性.

主要方法:

• 一项对120名患者 (144只眼睛) 进行的回顾性研究,这些患者接受了静脉内贝瓦西祖马布治疗.
• 开发一个罗神经网络 (基于ResNet-18) 模型,以治疗前和治疗后3个月的OCT图像对进行训练.
• 患者被分为三个组:活跃的疾病,良好的反应和基于液体存在和视力敏度变化的有限反应.

主要成果:

• 人工智能模型在对治疗反应的分类中实现了95.4%的准确性.
• 高性能指标:宏精度 (0.948),宏回忆 (0.949) 和宏F1得分 (0.948).
• 可解释性方法 (LayerCAM,SHAP) 证实了该模型的重点是OCT图像中的病理相关区域.

结论:

• 人工智能模型有效地对湿 AMD 患者的负载后治疗反应进行了分类.
• 该模型整合了来自OCT扫描的解剖疾病状态和视觉预后预测.
• 这种人工智能工具提供了一个客观的方法来评估湿性AMD的治疗疗效.