Tokyo Tıp ve Diş Üniversitesi’nden (TMDU) araştırmacılar, yüksek miyopi hastalarında görme keskinliğini tahmin etmek için makine öğrenimi modelleri geliştirdi.
Ekip, modelleri değerlendirmek için 967 hastadan oluşan bir kohort çalışması kullanıldı. Sonuçlar, bir regresyon modelinin 3 ve 5 yıllık görme keskinliğini doğru bir şekilde tahmin ettiğini ve ikili sınıflandırma modelinin bireysel hastalar için 5 yıllık riski tahmin edip görselleştirebildiğini ve klinik değerlendirme ve izlemedeki potansiyeli ortaya koyduğunu göstermektedir.
Yüksek Miyopi ve Riskleri
Aşırı uzağı göremeyen kişiler (yüksek miyopi olarak adlandırılır), kendilerine yakın olan nesneleri net bir şekilde görebilir ancak uzaktaki nesnelere odaklanamazlar. Görüşlerini düzeltmek için lensler, gözlükler veya ameliyat kullanılabilir, ancak yüksek miyopiye sahip olmak sadece rahatsız edici değildir; vakaların yarısında patolojik miyopi adı verilen bir duruma neden olur ve patolojik miyopiden kaynaklanan komplikasyonlar körlüğün önde gelen nedenleridir.
Ekip bunu gerçekleştirmek için bir kohort çalışması gerçekleştirdi ve TDMU’nun İleri Klinik Miyop Merkezi’nde 3 ila 5 yıl sonra 967 Japon hastanın görme keskinliğine baktı. Yaş, mevcut görme keskinliği ve kornea çapı gibi oftalmik muayeneler sırasında sıklıkla toplanan 34 değişkenden bir veri seti oluşturdular. Daha sonra rastgele ormanlar ve destek vektör makineleri gibi birçok popüler makine öğrenimi modelini test ettiler. Bu modeller arasında lojistik regresyona dayalı model, 5 yılda görme bozukluğunu tahmin etmede en iyi performansı gösterdi.
Görme Bozukluğunun Görselleştirilmesi ve Giderilmesi Ancak sonuçları tahmin etmek hikayenin sadece bir kısmı. Bunu yapmak için araştırmacılar sınıflandırma modelini görselleştirmek amacıyla bir nomogram kullandılar. Her değişkene, görme keskinliğini tahmin etmede ne kadar önemli olduğunu gösteren uzunlukta bir çizgi atanır. Bu uzunluklar, gelecekte görme bozukluğu riskini açıklayan nihai bir puan elde etmek için toplanabilen puanlara dönüştürülebilir.
Daha Geniş Etki Görme yetisini kalıcı olarak kaybeden kişiler genellikle bağımsızlıklarını kaybetmeleri nedeniyle hem maddi hem de fiziksel olarak sıkıntı çekerler.
Ekip, modelin daha geniş bir popülasyonda değerlendirilmesi gerektiğini ve makine öğrenimi modellerinin giderek önem kazanan sorunu çözmeye yardımcı olma konusunda iyi bir potansiyele sahip olduğunu gösterdi.
Machine Learning Models for Predicting Long-Term Visual Acuity in Highly Myopic Eyes
Findings In this cohort study of 967 patients with high myopia, regression models to predict best-corrected visual acuity at 3 and 5 years were built and showed accurate predictive performance. A binary classification model to predict the risk of visual impairment at 5 years was constructed and visualized as a nomogram to personalize risk assessment.
