Deep-Learning-modellen kunnen conversie naar glaucoom met normale spanning voorspellen

Volg Drugslib op

Medisch beoordeeld door Drugs.com.

Door Elana Gotkine HealthDay Reporter

VRIJDAG 3 november 2023 -- Deep learning-modellen die zijn getraind met fundusbeelden en klinische gegevens kunnen voorspellen of de ogen van normotensieve glaucoomverdachte (GS) zullen veranderen in normale spanningsglaucoom (NTG), volgens een studie die online is gepubliceerd in november .2 in het British Journal of Ophthalmology.

Ahnul Ha, M.D., van de Jeju National University in Zuid-Korea, en collega's hebben datasets van 12.458 GS-ogen beoordeeld om de prestaties van deep-learning-modellen te beoordelen voor het voorspellen van conversie naar NTG. In totaal werden 210 ogen (105 ogen die NTG-conversie vertoonden en 105 zonder conversie) geïncludeerd en gedurende minimaal zeven jaar of langer gevolgd, gedurende welke tijd de intraoculaire druk (IOP) lager was dan 21 mm Hg. De kenmerken van twee fundusbeelden werden geëxtraheerd; samen met 15 klinische kenmerken werden ze gebruikt om NTG-conversie te voorspellen. Er zijn drie machine learning-classificatoren (XGBoost, Random Forest en Gradient Boosting) gebruikt om voorspellingen uit te voeren.

De onderzoekers ontdekten dat met alle drie de algoritmen een hoge diagnostische nauwkeurigheid werd bereikt voor het voorspellen van NTG-conversies. De gebieden onder de curve varieerden van 0,987 (Random Forest getraind met zowel fundusbeelden als klinische kenmerken) tot 0,994 (XGBoost getraind met zowel fundusbeelden als klinische kenmerken). Voor conversie van tijd naar NTG werden de beste voorspellingsprestaties waargenomen voor XGBoost (gemiddelde kwadratische fout, 2,24). Voor het voorspellen van de tijd tot conversie waren de drie belangrijkste klinische kenmerken basislijn-IOD, diastolische bloeddruk en gemiddelde dikte van de laagdikte van de circumpapillaire retinale zenuwvezels.

"Onze resultaten suggereren dat deep learning-modellen die zijn getraind op zowel oogbeelden als klinische gegevens het potentieel hebben om de ziekteprogressie bij GS-patiënten te voorspellen", schrijven de auteurs.

Samenvatting/volledige tekst

Bron: HealthDay

Geplaatst : 2023-11-04 00:36

Lees verder

Disclaimer

Er is alles aan gedaan om ervoor te zorgen dat de informatie die wordt verstrekt door Drugslib.com accuraat en up-to-date is -datum en volledig, maar daarvoor wordt geen garantie gegeven. De hierin opgenomen geneesmiddelinformatie kan tijdgevoelig zijn. De informatie van Drugslib.com is samengesteld voor gebruik door zorgverleners en consumenten in de Verenigde Staten en daarom garandeert Drugslib.com niet dat gebruik buiten de Verenigde Staten gepast is, tenzij specifiek anders aangegeven. De geneesmiddeleninformatie van Drugslib.com onderschrijft geen geneesmiddelen, diagnosticeert geen patiënten of beveelt geen therapie aan. De geneesmiddeleninformatie van Drugslib.com is een informatiebron die is ontworpen om gelicentieerde zorgverleners te helpen bij de zorg voor hun patiënten en/of om consumenten te dienen die deze service zien als een aanvulling op en niet als vervanging voor de expertise, vaardigheden, kennis en beoordelingsvermogen van de gezondheidszorg. beoefenaars.

Het ontbreken van een waarschuwing voor een bepaald medicijn of een bepaalde medicijncombinatie mag op geen enkele manier worden geïnterpreteerd als een indicatie dat het medicijn of de medicijncombinatie veilig, effectief of geschikt is voor een bepaalde patiënt. Drugslib.com aanvaardt geen enkele verantwoordelijkheid voor enig aspect van de gezondheidszorg die wordt toegediend met behulp van de informatie die Drugslib.com verstrekt. De informatie in dit document is niet bedoeld om alle mogelijke toepassingen, aanwijzingen, voorzorgsmaatregelen, waarschuwingen, geneesmiddelinteracties, allergische reacties of bijwerkingen te dekken. Als u vragen heeft over de medicijnen die u gebruikt, neem dan contact op met uw arts, verpleegkundige of apotheker.

Populaire trefwoorden