基于临床和集群分类的广泛的斑点缩与伪样外观 (EMAP)
Maurizio Battaglia Parodi1,2, Alessio Antropoli1,2, Andrea Saladino1,2
1Department of Ophthalmology, IRCCS San Raffaele Scientific Institute, Milan, Italy.
Translational vision science & technology
|January 14, 2026
概括
层次聚类有效地根据缩分布分类广泛的黄斑缩与伪缩相似的外观 (EMAP) 到四个亚型. 这种数据驱动的方法有助于理解疾病的变异性,并指导未来对EMAP的研究.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 生物统计学 生物统计学
背景情况:
- 广泛的斑点缩与伪似的外观 (EMAP) 呈现了一种疾病的光谱,具有不同的斑点和外周缩延伸.
- 了解这些亚型对于准确的诊断,预后和有针对性的治疗策略至关重要.
研究的目的:
- 评估层次聚类在基于黄斑和外周缩程度的EMAP分类中的实用性.
- 使用数据驱动方法来识别不同的EMAP亚型.
主要方法:
- 一项涉及45名EMAP患者85只眼睛的横截面研究.
- 使用光学连贯断层扫描 (OCT),短波长底部自光 (SW-AF) 和超宽场色底部摄影 (UWF-CFP).
- 使用斑点缩面积和外围角延伸测量进行了层次分类.
主要成果:
- 确定了四个不同的集群:最小缩 (20%),主要是中央 (20%),混合 (27%) 和主要是外围 (33%).
- 主要集中在中央缩的群体表现出明显较差的最佳校正视敏度 (BCVA) 和较高的缩缩和纤维化患病率.
- 临床和基于集群的分类显示了定义EMAP亚型的趋同.
结论:
- 基于缩分布的层次聚类成功确定了基于缩分布的一致EMAP亚型.
- 将临床专业知识与数据驱动的集群结合起来,可以更好地描述EMAP变异性.
- 这种方法可以帮助患者选择和对未来临床试验和纵向研究的结果分层.
