用人工智能辅助的OCT和微观测量叠加对视网膜色素炎圆形区域的点向结构-功能分析

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:

• 视网膜色素炎 (RP) 是一组遗传性视网膜疾病,导致逐渐视力丧失.
• 圆形区域 (EZ) 是光受体健康的关键指标,通常使用光谱域光学连贯性断层扫描 (SD-OCT) 来评估.
• 了解EZ的结构-功能关系对于监测RP进展和评估潜在疗法至关重要.

研究的目的:

• 在视网膜色素炎 (RP) 中对圆形区域 (EZ) 进行点向结构功能分析.
• 利用基于人工智能 (AI) 的SD-OCT和微介面图像的覆盖来研究EZ结构-功能关系.
• 在局部层面上识别EZ完整性和视觉功能之间的潜在差异.

主要方法:

• 一项回顾性研究,涉及临床证实RP的患者.
• 使用人工智能模型进行粗对齐,叠加同一天的SD-OCT和微表度近红外图像.
• 在68个微表度网格位置 (0=不可见,1=减弱,2=正常) 上对EZ结构进行分级,并与微表度灵敏度 (dB) 相对应的等级.

主要成果:

• 对51只眼睛 (31名患者) 的分析显示,EZ等级和微表度灵敏度 (r=0.65,P<0.001) 之间存在显著的相关性.
• 平均灵敏度在EZ等级之间有显著差异 (等级0:6.02dB,等级1:18.36dB,等级2:20.90dB).
• 值得注意的是,57.5%的0级EZ位点表现出一些视觉功能 (>0dB),4%甚至具有≥20dB的灵敏度.

结论:

• 使用人工智能覆盖的点向分析确定了RP的本地EZ结构-功能不一致.
• 这些局部差异可能会错过在视野中平均值的分析中.
• 在没有明显完整的EZ的情况下,保留光受体功能需要进一步研究,以了解RP病理生理学和治疗策略.