基于人工智能的眼睛年龄估计来自OCT和OCTA指标的组合:健康眼睛的十年分层规范建模 - 一项试点研究
Sayeh Pourjavan1,2, Niki Nazaran3, Tom Vaucourt3
1Department of Ophthalmology, Cliniques Universitaires Saint Luc, UCLouvain, Brussels, Belgium.
Clinical ophthalmology (Auckland, N.Z.)
|October 24, 2025
概括
这项研究使用OCTA建立了基于年龄的血管规范,并发现OCT和OCTA数据的结合显著改善了AI驱动的生物眼睛年龄预测,以评估青光眼风险.
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:
- 光学连贯断层扫描血管造影 (OCTA) 提供了视网膜的详细血管成像.
- 建立跨年龄组的规范性血管参数对于识别偏差至关重要.
- 人工智能 (AI) 提供了分析复杂成像数据以预测生物年龄的潜力.
研究的目的:
- 在健康的眼睛中定义OCTA血管参数的十年分层规范值.
- 利用人工智能评估这些参数在预测生物眼睛年龄方面的实用性.
- 评估结构性和血管性OCTA特征的联合预测能力.
主要方法:
- 一项对136名健康受试者 (10-80岁) 的横截面研究,使用光谱域OCT和OCTA.
- 从斑点和光盘区域提取结构和血管特征.
- 使用OCTA和OCT数据开发支持向量回归 (SVR) 模型,以预测生物眼睛年龄.
主要成果:
- 血管密度随着年龄的增长而下降,特别是在第五个十年之后; 足血管区域 (FAZ) 面积随着年龄的增长而增加.
- 仅OCTA和仅OCT结构模型的年龄预测表现不佳 (R2=0.268和R2=0.296,分别).
- 一个结合结构和血管OCTA模型在年龄预测方面取得了高准确性 (R2=0.895,RMSE=5.025年).
结论:
- 成功地获得了十年分层的规范性OCTA指标.
- 结合了OCT和OCTA特征,显著提高了基于AI的生物眼年龄估计.
- 这种方法为早期玻璃眼风险分层提供了基础.
