基于机器学习多阶段系统对真实患者数据的视力预测
图像与视频处理
2024-10-03 v5 计算机视觉与模式识别
信息检索
机器学习
摘要
在眼科学中,玻璃体内药物注射治疗(IVOM)是针对老年性黄斑变性(AMD)、糖尿病性黄斑水肿(DME)以及视网膜静脉阻塞(RVO)相关疾病的广泛疗法。然而,在真实环境中,尽管接受治疗,患者常在数年时间尺度上遭受视力丧失,而由于数据的异质性与不完整性,在真实条件下预测视力(VA)及尽早发现恶化具有挑战性。在本文中,我们提出了一个研究工作流,用于构建与研究兼容的数据语料库,融合德国一家最高护理等级医院眼科不同 IT 系统的数据。该广泛的数据语料库允许对患者在三种疾病中各自的预期进展及其 VA 进行预测性陈述。对于 AMD 疾病,我们发现视力随时间显著恶化。在我们提出的多阶段系统中,我们随后将 VA 进展分类为治疗“获益者”、“稳定者”和“受损者”三组(WSL 分类方案)。我们使用深度神经网络集成进行的 OCT 生物标志物分类达到了超过 98% 的分类准确率(F1-score),使我们能够补全不完整的 OCT 文档,同时将其用于更精确的 VA 建模过程。我们的 VA 预测至少需要四次 VA 检查,并可选地需要同时期的 OCT 生物标志物,以在预测时间范围内预测 VA 进展,而我们的预测目前仅限于 IVOM / 无治疗。我们取得了 69% 的宏平均 F1-score 最终预测准确率,同时处于与眼科医生相同的范围(其 F1-score 分别为 57.8 和 50 ± 10.7%)。
引用
@article{arxiv.2204.11970,
title = {Visual Acuity Prediction on Real-Life Patient Data Using a Machine Learning Based Multistage System},
author = {Tobias Schlosser and Frederik Beuth and Trixy Meyer and Arunodhayan Sampath Kumar and Gabriel Stolze and Olga Furashova and Katrin Engelmann and Danny Kowerko},
journal= {arXiv preprint arXiv:2204.11970},
year = {2024}
}
备注
Accepted for: Scientific Reports