研究人员开发了基于机器学习的模型，可以预测高度近视患者视力障碍的风险，高度近视是世界许多地区不可逆转失明的三大原因之一。
极度近视(称为高度近视)的人可以清楚地看到近处的物体，但无法聚焦远处的物体。
隐形眼镜、框架眼镜或手术都可以用来矫正视力，但高度近视不仅带来不便，而且还会影响视力。有一半的情况会导致病理性近视，而病理性近视的并发症是导致失明的主要原因。
“我们知道机器学习算法在识别近视变化和并发症等任务上效果很好，”来自日本东京医科齿科大学 (TMDU) 的主要作者 Yining Wang 说。
“但在这项研究中，我们想要研究一些不同的东西，即这些算法在长期预测方面的表现如何。”
为此，研究小组进行了一项队列研究，观察了 967 名日本患者 3 年后和 5 年后的视力。
他们根据眼科检查期间通常收集的 34 个变量形成了一个数据集，例如年龄、当前视力和角膜直径。
然后，他们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。
然而，预测结果只是故事的一部分。
“以一种易于患者理解并便于做出临床决策的方式呈现模型的输出也很重要，”该大学的资深作者 Kyoko Ohno-Matsui 说。
为此，研究人员使用列线图来可视化分类模型。每个变量都分配有一条线，其长度表明它对于预测视力的重要性。
这些长度可以转换为分数，可以将其相加以获得最终分数，解释未来视力障碍的风险。
永久丧失视力的人往往会因失去独立性而在经济和身体上遭受痛苦。
尽管该模型仍需要在更广泛的人群中进行评估，但这项研究表明，机器学习模型具有很大的潜力来帮助解决这一日益重要的公共卫生问题，这将使个人和整个社会受益。
免责声明：本文由用户上传，如有侵权请联系删除！
