一个深度学习框架,用于预测甲状腺眼病中对teprotumumab治疗反应的预测
Saul Langarica1,2, Nahyoung Grace Lee3, Adham M Alkhadrawi1
1Lab of Medical Imaging and Computation, Department of Radiology, Massachusetts General Hospital, Harvard Medical School, Boston, Massachusetts.
Ophthalmology science
|March 5, 2026
概括
这项研究引入了一个深度学习框架,以准确测量甲状腺眼病 (TED) 的严重程度,并预测患者对teprotumumab治疗的反应,帮助个性化护理.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 甲状腺眼病 (TED) 是一种使人虚弱的自身免疫性疾病,影响眼轨道.
- 准确量化TED严重程度和预测治疗反应对于有效管理至关重要.
研究的目的:
- 开发和评估一个深度学习 (DL) 框架来量化TED严重程度.
- 创建一个预测模型来预测个体患者对teprotumumab治疗的反应.
主要方法:
- 一项回顾性研究使用了DL分类模型,整合了基于CT的轨道体积特征和临床数据.
- 一个严重性评分模型将分类概率转换为连续度量.
- 一个基于回归的模型使用预治疗变量预测了治疗后的严重程度.
主要成果:
- 对于TED的严重程度,DL分类模型实现了高精度 (0.81) 和AUC (0.86-0.88).
- 采用teprotumumab治疗导致0.194重度点 (P < 0.001) 的平均显著改善.
- 预测模型表现出强的性能,R^2为0.82和89%与临床医生的评估一致.
结论:
- DL框架对客观的TED严重程度量化有希望.
- 这种方法提供了数据驱动工具的概念验证,以支持个性化的TED治疗计划.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.9K
04:23A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
Published on: April 21, 2023
2.4K
