视网神经学:使用常规眼镜成像中的视网膜生物标志物进行多种疾病预测的窗口

科学领域:

• 眼科医生 眼科 眼科
• 生物标志物发现发现
• 预测分析是一种预测分析.

背景情况:

• 视网膜生物标志物,称为视网膜学,来自 fundus 摄影和光学连贯性断层扫描显示出疾病预测的前景.
• 目前针对多种疾病的预测模型往往缺乏全面的特征集.

研究的目的:

• 调查视网膜学对广泛疾病的预测潜力.
• 在疾病预测模型中评估视网膜特征的附加值.

主要方法:

• 使用了英国生物库的队列数据.
• 应用最小绝对收缩和选择操作员 (LASSO) 回归用于生物标记物识别.
• 使用的Cox比例危险模型,有或没有网膜学特征.
• 在各种虚假阳性率 (FPR) 中评估检测率 (DR),以确保性能.

主要成果:

• 三个关键的视网膜特征 (质细胞内层,视网膜色素表皮,内段/外段-RPE中心子场) 分别成为37,33和32种疾病的首要预测因素.
• 在基线模型中,整合视网膜学改善了模型性能 (C指数),在基线模型中提高了6.4%,在临床模型中提高了3.5%.
• 一个简化的视网膜模型实现了13种疾病的C指数≥0.75,显示出显著的预测增强.

结论:

• 视网膜学药物普遍增强疾病预测,对心血管和代谢疾病有显著的改善.
• 常规的眼科检查,与长视发作相吻合,为综合健康查提供了一个机会.
• 这种视网膜学方法提供了有效的健康查潜力,使用现有的眼科基础设施,对资源有限的环境有价值.