人工智能用于预测近视儿童的正轴长度响应的orthokeratology

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 儿童近视的进展是一个重大的公共卫生问题.
• 脊椎病理学 (OK) 是一种有效的近视控制方法.
• 准确预测轴长度 (AL) 变化对于管理近视至关重要.

研究的目的:

• 为了自动化角膜拓 (CT) 功能提取近视儿童接受OK治疗.
• 为了评估CT特征对轴长度 (AL) 控制的因果关系.
• 使用人工智能开发AL进展的预测模型.

主要方法:

• 对143名近视儿童进行了回顾性分析,这些儿童在12个多月内接受了OK镜片治疗.
• 使用数字图像处理对CT参数 (TZA,ED,EA) 的自动定量.
• 对CT-AL关系的因果推断和对AL进展预测的CatBoost模型.

主要成果:

• 自动化CT分析实现了与手动注释相比较的高准确性.
• CT参数显示与AL变化有显著的关联.
• 预测模型准确地预测了六个月和一年后的AL.

结论:

• 为自动化CT分析,因果推理和预测建模建立了一个集成的AI框架.
• 这种工具有助于临床医生评估OK疗效和预测近视进展.
• 该框架代表了迈向下一代医疗保健人工智能系统的一步.