预测近视发作和转移在学龄前儿童的近视:基于机器学习的算法
Mingjun Gao1, Yanhua Hou1, Yutong Lu1
1Department of Ophthalmology, The Second Affiliated Hospital of Dalian Medical University, Dalian, China.
Frontiers in medicine
|December 3, 2025
概括
这项研究发现,初视儿童经历近视的快速进展. 机器学习模型准确地预测近视发病和转移,有助于对有风险的儿童进行早期干预.
科学领域:
- 眼科医生 眼科 眼科
- 儿科眼科医生 儿科眼科医生
- 计算生物学 计算生物学
背景情况:
- 近视是一个日益严重的全球健康问题,特别是在学龄儿童中.
- 早期识别有近视进展风险的儿童对于及时干预至关重要.
- 了解眼睛参数的纵向变化是预测近视发展的关键.
研究的目的:
- 为了研究前视障儿童眼睛参数的纵向变化.
- 开发和验证一种机器学习模型,用于预测近视的发病和在一年内转移.
- 在这个队列中确定近视进展的关键预测因素.
主要方法:
- 对320名前视障儿童 (6-12岁) 的前性队列研究.
- 定期测量视力敏度,球形等价值 (SE),轴长 (AL),角膜曲率 (CC) 和亚叶冠状腺厚度 (SFCT).
- 用于预测的机器学习算法,用于特征解释的SHAP分析.
主要成果:
- 49.3%的参与者在一年内发展近视.
- 显著的SE年增长 (-0.695 D) 和AL延长 (0.356 mm).
- 机器学习模型实现了高精度 (AUC-ROC 0.963) 的近视发病预测,与SE,父母近视,SFCT,和年龄作为关键预测因素.
结论:
- 早期近视儿童表现出近视的加速进展.
- 机器学习模型为预测近视发病和进展提供了一个有希望的方法.
- 这些预测模型可以促进风险分层和有针对性的预防策略.
