学术研究 2026年11月12日 计算眼科二十年演进与AI新前沿 该文基于2026年ARVO年会Cogan奖讲座,系统回顾了过去20年计算眼科的发展历程,涵盖大数据驱动的科研突破、机器学习在眼底影像等领域的应用,以及AI就绪数据生态系统的构建。讲座还展望了基础模型和智能体AI作为下一阶段关键技术,有望加速科学发现并提升临床照护水平。 #人工智能#计算眼科#机器学习 PubMed Ophthalmology
学术研究 2026年11月12日 机器学习识别糖尿病视网膜病变易感与耐受特征 研究基于极端表型策略,纳入712名糖尿病患者:437例增殖性糖尿病视网膜病变(PDR)患者为易感组,275例病程≥10年但无视网膜病变者为耐受组。通过整合临床与生化指标构建LightGBM模型,在内部验证中AUC达0.90。SHAP分析显示尿白蛋白排泄率(UAER)、糖尿病病程、血清肌酐等是关键判别特征。在社区队列(n=673)中,该易感评分对高血糖人群(空腹血糖≥9.0 mmol/L)的区分能力提升至AUC 0.71。 #糖尿病视网膜病变#机器学习#生物标志物 PubMed Ophthalmology
学术研究 2026年11月12日 机器学习量化OCT角膜纤维化指标评估术后雾视 研究开发了一种基于机器学习的方法,利用临床常规使用的频域光学相干断层扫描(OCT)图像,对角膜纤维化进行定量分类。由于PRK术后明显雾视发生率低且为暂时性,研究者转而用具有永久性纤维化改变的Fuchs角膜内皮营养不良患者图像训练模型,再将其应用于PRK术后患者图像。结果显示,模型输出概率结合OCT衍生的纤维化参数,可提供可解释、可量化的角膜愈合评估指标。 #OCT#角膜雾视#机器学习 PubMed Ophthalmology
学术研究 2026年10月27日 多模态MRI与机器学习在视神经脊髓炎谱系病中的应用综述 该综述系统梳理了视神经脊髓炎谱系病(NMOSD)中常规与高级磁共振成像(MRI)技术的应用现状。研究指出,扩散张量成像、T1形态测量和静息态功能MRI等先进方法,可发现常规MRI无法识别的结构、微观结构及功能异常。机器学习模型在区分NMOSD与多发性硬化方面表现良好,但多数研究样本量小、方法不统一,且缺乏外部验证,对复发预测和治疗监测的证据仍较薄弱。 #NMOSD#MRI#机器学习 +1 PubMed Ophthalmology
学术研究 2026年10月27日 机器学习识别甲状腺眼病四种细胞因子内型 研究团队对101例甲状腺眼病(TED)患者血浆中102种细胞因子进行检测,通过机器学习筛选出4种关键细胞因子,结合无监督聚类将患者分为4个内型:CKC1(炎症型,34人)、CKC2(增殖型,32人)、CKC3(纤维化型,20人)、CKC4(代谢型,15人)。基于此开发的CKC评分模型在内部验证中AUC为0.742,并在外部队列中保持稳定判别能力。 #甲状腺眼病#机器学习#生物标志物 PubMed Ophthalmology
学术研究 2026年10月27日 OCTA眼底微血管指标可辅助预测糖尿病肾病 该研究纳入388只糖尿病患者眼睛,通过光学相干断层扫描血管成像(OCTA)量化视网膜血管密度(VD)、灌注密度(PD)和中心无血管区(FAZ)等指标,发现VD和PD随尿白蛋白/肌酐比值(UACR)升高而显著下降;在机器学习模型中加入OCTA参数后,6种算法中有4种预测性能提升,其中决策树模型AUC达0.754,表明OCTA可作为无创辅助工具用于早期识别糖尿病肾病。 #OCTA#糖尿病肾病#机器学习 PubMed Ophthalmology
学术研究 2026年10月27日 CDH17和HOXC13被识别为葡萄膜黑色素瘤预后标志物 研究通过整合转录组分析与机器学习模型,从葡萄膜黑色素瘤(UM)数据中筛选出四个潜在预后基因:CDH17、HOXC13、FABP5P7和LINC02188。其中CDH17和HOXC13因具有蛋白编码能力、明确促癌功能及跨癌种高表达特征被重点验证。ROC分析显示CDH17预测能力较强(AUC=0.76),其与HOXC13的表达水平均与转移风险相关,并在独立队列GSE22138中得到验证。 #葡萄膜黑色素瘤#生物标志物#机器学习 PubMed Ophthalmology