Model Pembelajaran Dalam Boleh Meramalkan Penukaran kepada Glaukoma Ketegangan Normal

Ikuti Drugslib di

Disemak secara perubatan oleh Drugs.com.

Oleh Pelapor Hari Kesihatan Elana Gotkine

JUMAAT, 3 Nov. 2023 -- Model pembelajaran mendalam yang dilatih dengan imej fundus dan data klinikal boleh meramalkan sama ada mata suspek glaukoma normotensif (GS) akan bertukar kepada glaukoma ketegangan normal (NTG), menurut kajian yang diterbitkan dalam talian Nov 2 dalam British Journal of Ophthalmology.

Ahnul Ha, M.D., dari Universiti Kebangsaan Jeju di Korea Selatan, dan rakan sekerja menyemak set data 12,458 mata GS untuk menilai prestasi model pembelajaran mendalam untuk ramalan penukaran kepada NTG. Sejumlah 210 mata (105 mata menunjukkan penukaran NTG dan 105 tanpa penukaran) telah dimasukkan dan disusuli selama sekurang-kurangnya tujuh tahun atau lebih lama, di mana tekanan intraokular (IOP) adalah lebih rendah daripada 21 mm Hg. Ciri-ciri dua imej fundus telah diekstrak; bersama-sama dengan 15 ciri klinikal, ia digunakan untuk meramalkan penukaran NTG. Tiga pengelas pembelajaran mesin (XGBoost, Random Forest dan Gradient Boosting) telah digunakan untuk melaksanakan ramalan.

Para penyelidik mendapati bahawa ketepatan diagnostik yang tinggi telah dicapai untuk ramalan penukaran NTG dengan ketiga-tiga algoritma. Kawasan di bawah lengkung berbeza daripada 0.987 (Hutan Rawak dilatih dengan kedua-dua imej fundus dan ciri klinikal) kepada 0.994 (XGBoost dilatih dengan kedua-dua imej fundus dan ciri klinikal). Untuk penukaran masa kepada NTG, prestasi ramalan terbaik dilihat untuk XGBoost (min ralat kuasa dua, 2.24). Untuk ramalan masa ke penukaran, tiga ciri klinikal penting teratas ialah IOP asas, tekanan darah diastolik dan ketebalan lapisan gentian saraf retina circumpapillary purata.

"Keputusan kami menunjukkan bahawa model pembelajaran mendalam yang telah dilatih pada kedua-dua imej okular dan data klinikal mempunyai potensi untuk meramalkan perkembangan penyakit dalam pesakit GS," tulis penulis.

Abstrak/Teks Penuh

Sumber: HealthDay

Disiarkan : 2023-11-04 00:36

Baca lagi

Penafian

Segala usaha telah dilakukan untuk memastikan bahawa maklumat yang diberikan oleh Drugslib.com adalah tepat, terkini -tarikh, dan lengkap, tetapi tiada jaminan dibuat untuk kesan itu. Maklumat ubat yang terkandung di sini mungkin sensitif masa. Maklumat Drugslib.com telah disusun untuk digunakan oleh pengamal penjagaan kesihatan dan pengguna di Amerika Syarikat dan oleh itu Drugslib.com tidak menjamin bahawa penggunaan di luar Amerika Syarikat adalah sesuai, melainkan dinyatakan sebaliknya secara khusus. Maklumat ubat Drugslib.com tidak menyokong ubat, mendiagnosis pesakit atau mengesyorkan terapi. Maklumat ubat Drugslib.com ialah sumber maklumat yang direka bentuk untuk membantu pengamal penjagaan kesihatan berlesen dalam menjaga pesakit mereka dan/atau memberi perkhidmatan kepada pengguna yang melihat perkhidmatan ini sebagai tambahan kepada, dan bukan pengganti, kepakaran, kemahiran, pengetahuan dan pertimbangan penjagaan kesihatan pengamal.

Ketiadaan amaran untuk gabungan ubat atau ubat yang diberikan sama sekali tidak boleh ditafsirkan untuk menunjukkan bahawa gabungan ubat atau ubat itu selamat, berkesan atau sesuai untuk mana-mana pesakit tertentu. Drugslib.com tidak memikul sebarang tanggungjawab untuk sebarang aspek penjagaan kesihatan yang ditadbir dengan bantuan maklumat yang disediakan oleh Drugslib.com. Maklumat yang terkandung di sini tidak bertujuan untuk merangkumi semua kemungkinan penggunaan, arahan, langkah berjaga-jaga, amaran, interaksi ubat, tindak balas alahan atau kesan buruk. Jika anda mempunyai soalan tentang ubat yang anda ambil, semak dengan doktor, jururawat atau ahli farmasi anda.

Kata Kunci Popular