I modelli di deep learning possono prevedere la conversione al glaucoma a tensione normale

Segui Drugslib su

Revisionato dal punto di vista medico da Drugs.com.

Di Elana Gotkine HealthDay Reporter

VENERDI 3 novembre 2023 -- Secondo uno studio pubblicato online a novembre, modelli di deep learning addestrati con immagini del fondo oculare e dati clinici possono prevedere se gli occhi sospettati di glaucoma normoteso (GS) si convertiranno in glaucoma a tensione normale (NTG). 2 nel British Journal of Ophthalmology.

Ahnul Ha, MD, della Jeju National University in Corea del Sud, e colleghi hanno esaminato set di dati di 12.458 occhi GS per valutare le prestazioni dei modelli di deep learning per la previsione della conversione in NTG. Sono stati inclusi un totale di 210 occhi (105 occhi che mostravano conversione NTG e 105 senza conversione) e sono stati seguiti per un minimo di sette anni o più, durante il quale la pressione intraoculare (IOP) era inferiore a 21 mm Hg. Sono state estratte le caratteristiche di due immagini del fondo oculare; insieme a 15 caratteristiche cliniche, sono stati utilizzati per prevedere la conversione NTG. Per eseguire la previsione sono stati utilizzati tre classificatori di machine learning (XGBoost, Random Forest e Gradient Boosting).

I ricercatori hanno scoperto che è stata raggiunta un'elevata precisione diagnostica per la previsione della conversione NTG con tutti e tre gli algoritmi. Le aree sotto la curva variavano da 0,987 (Random Forest addestrato sia con immagini del fondo oculare che con caratteristiche cliniche) a 0,994 (XGBoost addestrato sia con immagini del fondo oculare che con caratteristiche cliniche). Per quanto riguarda la conversione del tempo alla conversione NTG, le migliori prestazioni di previsione sono state osservate per XGBoost (errore quadratico medio, 2,24). Per la previsione del tempo alla conversione, le tre caratteristiche cliniche principali erano la pressione intraoculare basale, la pressione sanguigna diastolica e lo spessore medio dello strato di fibre nervose retiniche circumpapillari.

"I nostri risultati suggeriscono che i modelli di deep learning che sono stati addestrati sia su immagini oculari che su dati clinici hanno un potenziale per prevedere la progressione della malattia nei pazienti con GS," scrivono gli autori.

Abstract/Testo completo

Fonte: HealthDay

Pubblicato : 2023-11-04 00:36

Per saperne di più

Disclaimer

È stato fatto ogni sforzo per garantire che le informazioni fornite da Drugslib.com siano accurate, aggiornate -datati e completi, ma non viene fornita alcuna garanzia in tal senso. Le informazioni sui farmaci qui contenute potrebbero essere sensibili al fattore tempo. Le informazioni su Drugslib.com sono state compilate per l'uso da parte di operatori sanitari e consumatori negli Stati Uniti e pertanto Drugslib.com non garantisce che l'uso al di fuori degli Stati Uniti sia appropriato, se non diversamente indicato. Le informazioni sui farmaci di Drugslib.com non sostengono farmaci, né diagnosticano pazienti né raccomandano terapie. Le informazioni sui farmaci di Drugslib.com sono una risorsa informativa progettata per assistere gli operatori sanitari autorizzati nella cura dei propri pazienti e/o per servire i consumatori che considerano questo servizio come un supplemento e non come un sostituto dell'esperienza, dell'abilità, della conoscenza e del giudizio dell'assistenza sanitaria professionisti.

L'assenza di un'avvertenza per un determinato farmaco o combinazione di farmaci non deve in alcun modo essere interpretata come indicazione che il farmaco o la combinazione di farmaci sia sicura, efficace o appropriata per un dato paziente. Drugslib.com non si assume alcuna responsabilità per qualsiasi aspetto dell'assistenza sanitaria amministrata con l'aiuto delle informazioni fornite da Drugslib.com. Le informazioni contenute nel presente documento non intendono coprire tutti i possibili usi, indicazioni, precauzioni, avvertenze, interazioni farmacologiche, reazioni allergiche o effetti avversi. Se hai domande sui farmaci che stai assumendo, consulta il tuo medico, infermiere o farmacista.

Parole chiave popolari