使用机器学习算法构建早产视网膜病变的预测模型
1Department of Ophthalmology, The First Affiliated Hospital of Guangxi Medical University, Nanning, 530021, China.
BMC ophthalmology
|October 1, 2025
概括
使用46个风险因素的机器学习模型准确地预测了早产视网膜病变 (ROP). 这种工具有助于早期临床识别高风险的ROP婴儿,这是导致婴儿失明的主要原因.
科学领域:
- 新生儿医学 新生儿医学
- 眼科医生 眼科 眼科
- 医疗保健中的人工智能
背景情况:
- 在全球范围内,早产视网膜病变 (ROP) 是导致新生儿视力损伤和失明的重要原因.
- 早期检测和干预对于管理ROP和预防视力丧失至关重要.
研究的目的:
- 使用机器学习技术开发和评估ROP的预测模型.
- 确定与新生儿ROP发育相关的关键风险因素.
主要方法:
- 一项回顾性研究分析了接受ROP查的586名新生儿.
- 拉索回归从广泛的数据中确定了46个重要的ROP风险因素.
- 建立了七个机器学习模型,并使用AUC和准确性等性能指标进行了比较.
主要成果:
- 随机森林 (RF) 模型实现了高性能,测试组的AUC为0.981.
- 射频模型表现出强大的预测能力,95.7%的准确性和0.751卡帕系数在测试组.
- 该模型从最初的109个选风险因素中确定了46个重要的预测因素.
结论:
- 开发的RF预测模型显示了早期ROP风险识别的巨大潜力.
- 这种机器学习方法为临床医生提供了一种有价值的工具,可以主动识别高风险的ROP人群.
- 该模型的强大预测性能支持其在ROP管理中的临床实用性.
