解析室内压：基于非侵入式多阶段概率逆问题框架

许多关键医疗决策因无法测量关键底层参数而受限。青睐眼症作为导致不可逆失明的主要原因，其驱动因素是升高的室内压 (IOP)，提供了典型例证。IOP 的首要决定因素是一种组织属性——旁丘网通透性，无法原地测量，迫使临床医生依赖间接的替代指标。这一临床挑战又由更广泛的计算问题加以复杂化：缺乏真实数据，以及大规模高保真仿真的高昂成本，使得开发此类 ill-posed 逆问题的预测模型困难重重。我们提出一种端到端框架，用于从稀疏常规数据非侵入式估计不可测变量。该方法将问题功能性分解为多个阶段：一种新颖的数据生成策略，我们称之为 PCDS，无需进行数十万次高成本仿真即可实现，将有效计算时间从数年缩短至数小时；以及一个贝叶斯引擎用于量化预测不确定性。我们的框架将单个 IOP 测量分解为其基本组成部分，仅依赖常规输入即可获得不可测组织通透性的估计值，以及患者的排出功能。我们非侵入式估计的排出功能与领先的 tonography 方法高度吻合，精度相当于直接物理仪器。此外，新推导的通透性生物标志物在按疾病风险分层临床队列方面显示出高精度，凸显其诊断潜力。更广泛地说，该框架为解决其他数据稀缺、计算密集型领域的类似逆问题提供了可通用的蓝图。