学术研究
高度近视AI预测:班级图结构模型在基线屈光度缺失时仍有区分力
研究者提出SSR-Stacking框架,把学校班级关系构建成图,结合图神经网络与多种分类器,预测末次随访时的高度近视状态。数据来自中国宾川的纵向数据集(N=4973),在模拟50%基线等效球镜度缺失的条件下,ROC-AUC为0.9184(95%CI 0.9062-0.9306),召回率0.8119,特异度0.9851,F1为0.7506,高度近视自然患病率为4.06%。作者称需进一步验证。
#高度近视#机器学习#近视筛查
PubMed Ophthalmology