基于机器学习的眼睛识别与以前的近视激光视力校正历史的眼睛
Richul Oh1,2, Chang Ho Yoon1,2, Joon Young Hyon1,3
1The Department of Ophthalmology, Seoul National University College of Medicine.
Journal of refractive surgery (Thorofare, N.J. : 1995)
|November 10, 2025
概括
一个新的机器学习模型准确地识别了经过近视激光视力纠正 (LVC) 的眼睛. 这种先进的ML-LVC模型优于现有方法,帮助眼科医生在临床实践中发挥作用.
科学领域:
- 眼科医生 眼科 眼科
- 医疗人工智能 医疗人工智能
- 生物医学数据科学 生物医学数据科学
背景情况:
- 近视激光视力纠正 (LVC) 是一种常见的手术,但识别经历了LVC的眼睛可能是具有挑战性的.
- 精确识别LVC后的眼睛对于适当的眼科检查和治疗计划至关重要.
研究的目的:
- 开发和验证一种机器学习模型,用于准确识别先前使用近视激光视力校正 (LVC) 的眼睛.
主要方法:
- 一个机器学习模型 (ML-LVC) 是使用来自首尔国立大学Bundang医院 (SNUBH) 的35,269只眼睛的数据集开发的.
- 该ML-LVC模型使用SNUBH (41,508次检查) 和首尔国立大学医院 (SNUH) (5,517次检查) 的数据集进行了内部和外部验证.
- 模型的性能与库克-里亚兹-温德尔斯坦 (CRW1) 指数进行了比较.
主要成果:
- ML-LVC模型实现了高性能,接收器操作曲线下的面积为0.9970 (内部) 和0.9960 (外部).
- 精度为0.9908 (内部) 和0.9927 (外部),灵敏度为0.9528 (内部) 和0.9222 (外部).
- 在两种验证组中,ML-LVC模型的预测能力明显优于CRW1指数 (P = .004,P = .005).
结论:
- 开发的ML-LVC模型在识别先前近视性LVC的眼睛方面明显优于CRW1指数.
- 这种人工智能驱动的工具为眼科医生提供了宝贵的进步,提高了诊断能力.
- 通过Web应用程序访问ML-LVC模型,促进广泛的临床采用.
