A mély tanulási modellek megjósolhatják a normál feszültségű glaukómává való átalakulást

Kövesse a Drugslib-et

Orvosilag felülvizsgálta a Drugs.com.

Elana Gotkine HealthDay Reporter

2023. november 3., PÉNTEK – A szemfenéki képekkel és klinikai adatokkal kiképzett mély tanulási modellek megjósolhatják, hogy a normotenzív glaukómára (GS) gyanús szemek átalakulnak-e normál feszültségű glaukómává (NTG) egy novemberben online közzétett tanulmány szerint 2 a British Journal of Ophthalmology-ban.

Ahnul Ha, M.D., a dél-koreai Jeju National University munkatársa és munkatársai 12 458 GS-szem adatkészletét tekintették át, hogy felmérjék a mélytanulási modellek teljesítményét az NTG-re való átállás előrejelzéséhez. Összesen 210 szemet (105 szem NTG-konverziót mutatott, 105 pedig konverzió nélkül) vettünk be, és legalább hét évig vagy hosszabb ideig követték nyomon, ezalatt az intraokuláris nyomás (IOP) 21 Hgmm-nél alacsonyabb volt. Két szemfenéki kép jellemzőit vontuk ki; 15 klinikai jellemzővel együtt az NTG konverzió előrejelzésére használták őket. Három gépi tanulási osztályozót (XGBoost, Random Forest és Gradient Boosting) használtak az előrejelzés végrehajtásához.

A kutatók azt találták, hogy mindhárom algoritmussal nagy diagnosztikai pontosságot értek el az NTG-konverzió előrejelzésére. A görbe alatti területek 0,987-től (Random Forest képzett szemfenéki képekkel és klinikai jellemzőkkel) 0,994-ig (XGBoost, mind a szemfenéki képekkel, mind a klinikai jellemzőkkel képzett) változtak. Az NTG konverzióig eltelt idő tekintetében az XGBoost esetében volt a legjobb előrejelzési teljesítmény (átlagos négyzetes hiba, 2,24). A konverzióig eltelt idő előrejelzése szempontjából a három legfontosabb klinikai jellemző a kiindulási IOP, a diasztolés vérnyomás és az átlagos keringős retina idegrostréteg vastagsága volt.

"Eredményeink azt sugallják, hogy a mély tanulási modellek, amelyeket szemfelvételeken és klinikai adatokon is betanítottak, megjósolhatják a betegség progresszióját GS-betegeknél" - írják a szerzők.

Absztrakt/Teljes szöveg

Forrás: HealthDay

Elküldve : 2023-11-04 00:36

Olvass tovább

Felelősség kizárása

Minden erőfeszítést megtettünk annak érdekében, hogy a Drugslib.com által közölt információk pontosak és naprakészek legyenek - dátum, és teljes, de erre nem vállalunk garanciát. Az itt található gyógyszerinformációk időérzékenyek lehetnek. A Drugslib.com információit egészségügyi szakemberek és fogyasztók számára állítottuk össze az Egyesült Államokban, ezért a Drugslib.com nem garantálja, hogy az Egyesült Államokon kívüli felhasználás megfelelő, kivéve, ha kifejezetten másként jelezzük. A Drugslib.com gyógyszerinformációi nem támogatják a gyógyszereket, nem diagnosztizálnak betegeket, és nem ajánlanak terápiát. A Drugslib.com gyógyszerinformációi egy információs forrás, amelynek célja, hogy segítse az engedéllyel rendelkező egészségügyi szakembereket betegeik ellátásában és/vagy olyan fogyasztók kiszolgálására, akik ezt a szolgáltatást az egészségügyi szakértelem, készség, tudás és megítélés kiegészítéseként, nem pedig helyettesítőjeként tekintik. gyakorló szakemberek.

Az adott gyógyszerre vagy gyógyszerkombinációra vonatkozó figyelmeztetés hiánya semmiképpen sem értelmezhető úgy, hogy a gyógyszer vagy gyógyszerkombináció biztonságos, hatékony vagy megfelelő az adott beteg számára. A Drugslib.com nem vállal felelősséget a Drugslib.com által biztosított információk segítségével nyújtott egészségügyi ellátás egyetlen aspektusáért sem. Az itt található információk nem terjednek ki minden lehetséges felhasználásra, útmutatásra, óvintézkedésre, figyelmeztetésre, gyógyszerkölcsönhatásra, allergiás reakcióra vagy káros hatásra. Ha kérdése van az Ön által szedett gyógyszerekkel kapcsolatban, kérdezze meg kezelőorvosát, ápolónőjét vagy gyógyszerészét.

Népszerű kulcsszavak