OCT-PRO:一个综合OCT和临床特征的多模式模型,用于预测白内障患者的术后结果
Lixue Liu1, Mingyuan Li1, Yuxuan Wu1
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-Sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Vision Science, Guangdong Provincial Clinical Research Center for Ocular Diseases, Guangzhou, Guangdong, China.
Ophthalmology science
|January 14, 2026
概括
一个新的AI模型,OCT-PRO,使用OCT图像和临床数据准确预测白内障手术结果. 这种先进的工具在预测视觉结果方面超越了传统方法和人类专家.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 白内障手术是一种常见的手术,可变的视觉结果.
- 准确预测术后视力敏度对于患者满意度和手术规划至关重要.
研究的目的:
- 开发和验证OCT-PRO,一个多式联机机器学习模型.
- 整合光学连贯断层扫描 (OCT) 图像和临床数据,用于预测白内障患者的术后视觉结果.
主要方法:
- 一项多中心前性队列研究,涉及1911名患者的2225只眼睛.
- 使用深度学习构建了一个多式模式模型,结合了OCT图像特征 (InceptionResNetV2) 和临床元数据.
- 使用平均绝对误差 (MAE) 和根平均平方误差 (RMSE) 评估模型性能,与仅OCT,仅元数据模型,激光干涉计和眼科医生预测进行比较.
主要成果:
- 与其他模型和方法相比,OCT-PRO在内部和外部测试数据集中表现出优异的预测性能.
- 实现了较低的MAE和RMSE,这表明在预测最佳校正视力敏度 (BCVA) 中的准确性更高.
- 模型的解释性强调了手术前BCVA,年龄和黄斑结构的重要性,超过了初级和高级眼科医生.
结论:
- 在白内障手术中,OCT-PRO提供了术后视觉结果的准确预测.
- 该模型优于传统方法和眼科医生,作为一种有价值的决策支持工具.
- 有潜力改善手术决策和医疗保健资源分配.


