东京医科和牙科大学的一项突破性研究引入了一种机器学习模型，能够预测高度近视患者的长期视力损害。使用来自眼科检查的34个变量的数据集和易于解释的患者友好型nomogram，该模型代表了在应对视力丧失的全球挑战方面迈出的重要一步。来源:SciTechDaily.com

　　东京医科和牙科大学(TMDU)的研究人员开发了ba模型基于机器学习预测高度近视患者的长期视力，高度近视是世界许多地区不可逆失明的三大原因之一。

　　来自东京医科和牙科大学(TMDU)的研究人员开发了机器学习模型来预测高度近视患者的视力。一项纳入967例患者的队列研究被用于研究评估模型。结果表明，回归模型可以准确预测3年和5年的视力，二元分类模型可以预测和可视化个体患者5年的风险在临床评估和监测方面的潜力。

　　人们发现机器学习可以很好地预测许多健康状况的结果。现在，来自日本的研究人员已经找到了一种方法来预测严重近视的人将来的视力是好还是坏。

　　在最近发表在《JAMA Ophthalmology》上的一项研究中，来自东京医科和牙科大学(TMDU)的研究人员开发了一种机器学习模型，可以很好地预测和可视化长期视力障碍的风险。

　　近视黄斑病变，又称近视黄斑变性，是病理性近视的一个重要特征。在meta-PM分类系统中，将近视黄斑病变分为五类，即无近视视网膜病变(0类)、眼底微块化(1类，图1A)、弥漫性绒毛膜视网膜萎缩(2类，图1B&C)、斑片状绒毛膜视网膜萎缩(3类，图1D箭头)、黄斑萎缩(4类，图1E&F)。来源:TMDU眼科与视觉科学系

　　高度近视及其风险

　　极度近视的人(称为高度近视)可以清楚地看到附近的物体，但不能聚焦在远处的物体上。隐形眼镜、眼镜或手术都可以用来矫正视力，但高度近视不仅不方便;一半的情况下，它会导致病理性近视，而病理性近视的并发症是失明的主要原因。

　　研究方法与发现

　　“我们知道机器学习算法在识别近视的变化和并发症等任务上工作得很好，”该研究的第一作者王怡宁说，“但在这项研究中，我们想研究一些不同的东西，即这些算法在长期预测方面有多好。”

　　构造了一个图来可视化模型。曲线长度越长，变量对5年内VI存在的影响越大。每个变量都有对应的积分，可以相加计算总分和相应的VI风险。Credit: TMDU眼科与视觉科学系

　　为了做到这一点，研究小组进行了一项队列研究，并在TDMU高级近视临床中心观察了967名日本患者在3年和5年后的视力。他们从眼科检查中通常收集的34个变量(如年龄、当前视力和角膜直径)组成了一个数据集。然后，他们测试了几种流行的机器学习模型，如随机森林和支持向量机。在这些模型中，基于逻辑回归的模型在预测5岁视力障碍方面表现最好。

　　可视化和解决视觉障碍

　　然而，预测结果只是故事的一部分。资深作者Kyoko Ohno-Matsui说:“以一种易于患者理解和便于临床决策的方式呈现模型的输出也很重要。”为了做到这一点，研究人员使用了一个nomogram来可视化分类模型。每个变量被分配一条线，其长度表明它对预测视觉敏锐度的重要性。这些长度可以转换成积分，然后加起来，得到一个最终的分数，解释未来视力受损的风险。

　　更广泛的影响

　　永久性失明的人往往因为失去独立性而遭受经济和身体上的双重痛苦。2019年，严重视力障碍造成的全球生产力下降估计为945亿美元。尽管该模型仍需要在更广泛的人群中进行评估，但这项研究表明，机器学习模型具有很好的潜力，可以帮助解决这一日益重要的公共卫生问题，这将使个人和整个社会受益。

　　参考文献:“预测高度近视眼睛长期视力的机器学习模型”，作者:王一宁，杜然，谢世奇，陈昌宇，卢红双，熊建平，Daniel S. W. Ting, Kengo Uramoto, Koju Kamoi, Kyoko Ohno-Matsui, 2023年10月26日，JAMA Ophthalmology。DOI: 10.1001 / jamaophthalmol.2023.4786

　　分享

　　推特

　　REDDIT

　　电子邮件

　　分享

　　以前的文章

　　更多关于sciitechdaily

　　健康

　　生物学

　　物理

　　健康

　　技术

　　物理

　　健康

　　化学