Модели глубокого обучения могут предсказать переход в глаукому нормального напряжения

Проверено с медицинской точки зрения Drugs.com.

Элана Готкин, корреспондент HealthDay

ПЯТНИЦА, 3 ноября 2023 г. — Модели глубокого обучения, обученные с использованием изображений глазного дна и клинических данных, могут предсказать, перейдут ли нормотензивные глаза с подозрением на глаукому (GS) в глаукому нормального напряжения (NTG), согласно исследованию, опубликованному в Интернете в ноябре. 2 в Британском журнале офтальмологии.

Анул Ха, доктор медицинских наук из Национального университета Чеджу в Южной Корее, и его коллеги проанализировали наборы данных 12 458 глаз GS, чтобы оценить эффективность моделей глубокого обучения для прогнозирования конверсии в НТГ. Всего было включено 210 глаз (105 глаз с конверсией НТГ и 105 без конверсии) были включены под наблюдение в течение как минимум семи лет или дольше, в течение которых внутриглазное давление (ВГД) было ниже 21 мм рт. ст. Были извлечены особенности двух изображений глазного дна; вместе с 15 клиническими признаками они были использованы для прогнозирования конверсии НТГ. Для прогнозирования использовались три классификатора машинного обучения (XGBoost, Random Forest и Gradient Boosting).

Исследователи обнаружили, что высокая диагностическая точность была достигнута при прогнозировании конверсии NTG с помощью всех трех алгоритмов. Области под кривой варьировались от 0,987 (случайный лес, обученный как с изображениями глазного дна, так и с клиническими особенностями) до 0,994 (XGBoost, обученный как с изображениями глазного дна, так и с клиническими особенностями). Что касается преобразования времени в NTG, наилучшие показатели прогнозирования наблюдались для XGBoost (среднеквадратическая ошибка 2,24). Для прогнозирования времени до конверсии тремя наиболее важными клиническими показателями были исходное ВГД, диастолическое артериальное давление и средняя толщина слоя околопапиллярных нервных волокон сетчатки.

"Наши результаты показывают, что модели глубокого обучения, обученные как на изображениях глаз, так и на клинических данных, могут прогнозировать прогрессирование заболевания у пациентов с СГ", - пишут авторы.

Аннотация/Полный текст

Источник: HealthDay

Читать далее

Отказ от ответственности

Мы приложили все усилия, чтобы гарантировать, что информация, предоставляемая Drugslib.com, является точной и соответствует -дата и полная информация, но никаких гарантий на этот счет не предоставляется. Содержащаяся здесь информация о препарате может меняться с течением времени. Информация Drugslib.com была собрана для использования медицинскими работниками и потребителями в Соединенных Штатах, и поэтому Drugslib.com не гарантирует, что использование за пределами Соединенных Штатов является целесообразным, если специально не указано иное. Информация о лекарствах на сайте Drugslib.com не рекламирует лекарства, не диагностирует пациентов и не рекомендует терапию. Информация о лекарствах на сайте Drugslib.com — это информационный ресурс, предназначенный для помощи лицензированным практикующим врачам в уходе за своими пациентами и/или для обслуживания потребителей, рассматривающих эту услугу как дополнение, а не замену опыта, навыков, знаний и суждений в области здравоохранения. практики.

Отсутствие предупреждения для данного препарата или комбинации препаратов никоим образом не должно быть истолковано как указание на то, что препарат или комбинация препаратов безопасны, эффективны или подходят для конкретного пациента. Drugslib.com не несет никакой ответственности за какой-либо аспект здравоохранения, администрируемый с помощью информации, предоставляемой Drugslib.com. Информация, содержащаяся в настоящем документе, не предназначена для охвата всех возможных вариантов использования, направлений, мер предосторожности, предупреждений, взаимодействия лекарств, аллергических реакций или побочных эффектов. Если у вас есть вопросы о лекарствах, которые вы принимаете, проконсультируйтесь со своим врачом, медсестрой или фармацевтом.

Популярные ключевые слова