用机器学习评估后COVID综合征中的立体镜表现,视线方向和瞳孔直径

科学领域:

• 眼科医生 眼科 眼科
• 神经学 神经学
• 医疗技术 医疗技术 医学技术

背景情况:

• 后COVID综合征 (PCS) 呈现持续的症状,如疲劳和认知障碍,缺乏客观的诊断生物标志物.
• 由于缺乏特定的生物标志物,诊断PCS具有挑战性,需要创新的评估工具.
• 虚拟现实眼运动测试系统 (VR-OTS) 为客观测量与PCS相关的认知障碍提供了一个潜在的方法.

研究的目的:

• 评估VR-OTS在区分患有后COVID综合征 (PCS) 患者与健康对照者的有效性.
• 确定哪些特征组 - - 立体表现,视线方向或瞳孔直径 - - 在识别PCS时最有效.
• 确定特定的VR-OTS功能,为PCS提供最佳的诊断歧视.

主要方法:

• 招募了429名PCS患者和健康对照人进行VR-OTS测量.
• 从VR-OTS数据中提取了95个特征,分为凝视方向,瞳孔直径和立体表现.
• 使用具有AUROC评估的支持向量机 (SVM) 来评估特征组和个体特征预测能力.

主要成果:

• 瞳孔直径特征获得了最高的分辨率 (AUROC 0.73),其次是凝视方向 (AUROC 0.68) 和立体镜表现 (AUROC 0.66).
• 瞳孔活动指数 (IPA) 成为区分PCS患者的单一最具预测性的特征.
• 更具挑战性的VR-OTS任务在所有功能类别中都显示出更高的预测价值.

结论:

• VR-OTS是区分PCS和健康对照个体的可行工具.
• 瞳孔直径分析,特别是IPA,为客观的PCS评估提供了最有前途的结果.
• 未来的研究应该专注于优化从VR-OTS数据中的特征选择,以提高PCS的诊断准确性.