Моделі глибокого навчання можуть передбачити перехід до глаукоми нормального напруження

Підпишіться на Drugslib

Медичний огляд Drugs.com.

Елана Ґоткін, репортер HealthDay

П'ЯТНИЦЯ, 3 листопада 2023 р. — Відповідно до дослідження, опублікованого в Інтернеті в листопаді, моделі глибокого навчання, навчені зображеннями очного дна та клінічними даними, можуть передбачити, чи очі з підозрою на нормотензивну глаукому (GS) перетворяться на глаукому нормального напруження (NTG). 2 у Британському журналі офтальмології.

Ахнул Ха, доктор медичних наук, із Національного університету Чеджу в Південній Кореї та його колеги переглянули набори даних 12 458 очей GS, щоб оцінити ефективність моделей глибокого навчання для прогнозування перетворення в NTG. Загалом було включено 210 очей (105 очей з конверсією NTG і 105 без конверсії) і спостерігалися протягом мінімум семи років або довше, протягом якого внутрішньоочний тиск (ВОТ) був нижчим за 21 мм рт. Було виділено особливості двох зображень очного дна; разом із 15 клінічними характеристиками вони були використані для прогнозування конверсії NTG. Для прогнозування використовували три класифікатори машинного навчання (XGBoost, Random Forest і Gradient Boosting).

Дослідники виявили, що для прогнозування конверсії NTG було досягнуто високої діагностичної точності за допомогою всіх трьох алгоритмів. Площі під кривою змінювалися від 0,987 (Random Forest, навчений із зображеннями очного дна та клінічними ознаками) до 0,994 (XGBoost, навчений із зображеннями очного дна та клінічними ознаками). Для перетворення часу в NTG найкращу ефективність передбачення спостерігали для XGBoost (середня квадратична помилка, 2,24). Для прогнозування часу до конверсії трьома найважливішими клінічними ознаками були базовий ВОТ, діастолічний артеріальний тиск і середня товщина шару циркумпапілярного нервового волокна сітківки.

«Наші результати свідчать про те, що моделі глибокого навчання, які були навчені як на очних зображеннях, так і на клінічних даних, можуть передбачати прогресування захворювання у пацієнтів із ГС», — пишуть автори.

Анотація/Повний текст

Джерело: HealthDay

Опубліковано : 2023-11-04 00:36

Читати далі

Відмова від відповідальності

Було докладено всіх зусиль, щоб інформація, надана Drugslib.com, була точною, до -дата та повна, але жодних гарантій щодо цього не надається. Інформація про ліки, що міститься тут, може бути чутливою до часу. Інформація Drugslib.com була зібрана для використання медичними працівниками та споживачами в Сполучених Штатах, тому Drugslib.com не гарантує, що використання за межами Сполучених Штатів є доцільним, якщо спеціально не вказано інше. Інформація про ліки Drugslib.com не схвалює ліки, не ставить діагноз пацієнтів і не рекомендує терапію. Інформація про ліки на Drugslib.com – це інформаційний ресурс, призначений для допомоги ліцензованим медичним працівникам у догляді за їхніми пацієнтами та/або для обслуговування споживачів, які розглядають цю послугу як доповнення, а не заміну досвіду, навичок, знань і суджень у сфері охорони здоров’я. практиків.

Відсутність попередження щодо певного препарату чи комбінації ліків у жодному разі не слід тлумачити як вказівку на те, що препарат чи комбінація препаратів є безпечними, ефективними чи прийнятними для будь-якого конкретного пацієнта. Drugslib.com не несе жодної відповідальності за будь-які аспекти медичної допомоги, що надається за допомогою інформації, яку надає Drugslib.com. Інформація, що міститься в цьому документі, не має на меті охопити всі можливі способи використання, інструкції, запобіжні заходи, попередження, лікарські взаємодії, алергічні реакції чи побічні ефекти. Якщо у вас є запитання щодо препаратів, які ви приймаєте, зверніться до свого лікаря, медсестри або фармацевта.

Популярні ключові слова