利用人工智能技术预测高度近视患者未来视力

在医学和科技的交汇点上，人工智能正在开启一场革命，特别是在预测疾病和治疗结果方面。随着技术的进步，医学研究不再局限于传统的实验和临床试验，而是越来越多地运用机器学习和数据分析来揭示疾病的复杂性和治疗的可能性。在这样的背景下，研究人员聚焦于一个特定的医疗难题：高度近视。高度近视不仅普遍，而且可能导致严重的视力问题，甚至失明。因此，开发一个能够预测高度近视患者长期视力的模型，对于提前采取预防措施、改善治疗方法和最终改善患者的生活质量具有重大意义。

东京医科齿科大学（TMDU）的研究人员开发了一种基于机器学习的模型，可以预测高度近视患者的长期视力。这项研究对于解决高度近视导致的失明问题具有重要意义。相关研究最近发表在《JAMA 眼科》杂志上。

该研究的目的是开发机器学习模型，以预测高度近视患者在3年和5年后的视力。

这项回顾性、单中心、队列研究对象是已知 3 年和 5 年最佳矫正视力 (BCVA) 的患者。这些患者的眼科检查于2011年10月至2021年5月期间进行。研究人员收集了包括一般信息、基本眼科信息以及基于眼底和光学相干断层扫描图像的近视黄斑病变分类等34个变量进行分析。

研究人员测试了几种流行的机器学习模型，例如随机森林和支持向量机。在这些模型中，基于逻辑回归的模型在预测 5 年后视力障碍方面表现最好。研究人员通过判别度指标、校准带和决策曲线分析评估了模型的性能。通过可解释的人工智能技术评估了相关变量的重要性。

研究纳入了967名患者的1616只眼睛（平均年龄58.5岁，其中678名女性，占70.1%）。研究结果显示，支持向量机在预测3年后的BCVA方面表现最佳（R2 = 0.682；95% CI，0.625-0.733），而随机森林在预测5年后的BCVA方面表现最佳（R2 = 0.660；95% CI，0.604-0.710）。用于预测5年后视力障碍风险的逻辑回归模型表现最佳（受试者工作特征曲线下面积 = 0.870；95% CI，0.816-0.912）。基线BCVA（logMAR比值比，0.298；95% CI，0.235-0.378；P < 0.001）、先前的近视黄斑新生血管（比值比，3.290；95% CI，2.209-4.899；P < 0.001）、年龄（比值比，1.578；95% CI，1.227-2.028；P < 0.001）和4级近视黄斑病变（比值比，4.899；95% CI，1.431-16.769；P = 0.01）是最重要的预测变量，与5年后视力障碍的风险增加有关。

研究结果表明，基于临床和影像信息开发准确预测高度近视眼睛长期视力的模型是可行的。这样的模型可以用于临床评估未来视力。