人工智能分析了OCT生物标志物,以预测视觉结果,以对epiretinal膜进行玻璃切除术后
Lorenzo Ferro Desideri1,2, Leandro Hinrichsen3, Nina Eldridge4
1Department of Ophthalmology, Inselspital, Bern University Hospital, University of Bern, Freiburgstrasse 15, Bern, CH-3010, Switzerland. lorenzoferrodes@gmail.com.
International journal of retina and vitreous
|October 15, 2025
概括
人工智能 (AI) 对术前光学连贯性断层扫描 (OCT) 扫描的分析可以预测皮质膜外科手术 (ERM) 后的视觉结果. 在OCT扫描中,外视网膜变薄和内视网膜变厚表明ERM手术后视力恢复较差.
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:
- 术前光学连贯性断层扫描 (OCT) 生物标志物可以预测异常性脑膜外科手术 (ERM) 后的视觉结果.
- 人工智能 (AI) 实现了视网膜结构的自动定量分析,以改善预后.
研究的目的:
- 评估AI衍生的OCT生物标志物对ERM手术后视觉结果的预测能力.
- 确定与ERM手术后视力恢复相关的特定OCT生物标志物.
主要方法:
- 对71名接受帕斯普拉纳视切除术 (PPV) 的患者进行了术前OCT扫描的回顾性分析.
- 在ETDRS中央网格中,AI平台用于量化视网膜层厚度 (ONL,PR+RPE,RNFL) 和视网膜内液体 (IRF) 容量.
- 采用随机森林分类器来评估生物标志物的重要性,预测12个月最佳校正视敏度 (BCVA) 的改善.
主要成果:
- 术后BCVA的平均值显著改善 (0.51至0.25 logMAR,P < 0.001). 术后BCVA的平均值显著改善 (0.51至0.25 logMAR,P < 0.001).
- 较薄的外核层 (ONL) 厚度与较差的最终BCVA相关 (r = -0.54).
- 较厚的视网膜神经纤维层 (RNFL) 和较大的视网膜内液体 (IRF) 量与较差的结果有关.
- 人工智能模型实现了0.71的AUC来预测视觉改善,PR+RPE厚度,RNFL厚度和ONL厚度是关键预测因素.
结论:
- 术前人工智能衍生的OCT生物标志物,特别是外视网膜稀薄和内视网膜加厚,与ERM手术后视力恢复有限有关.
- 自动化生物标志物分析可以识别患有低最佳术后视力风险较高的患者.
- 将其纳入术前评估可能有助于手术决策和患者咨询.
