Badanie przeprowadzone przez Tokijski Uniwersytet Medyczny i Stomatologiczny (TMDU) wykazało potencjał modeli uczenia maszynowego w przewidywaniu długotrwałych zaburzeń widzenia u pacjentów z wysoką krótkowzrocznością. Wysoka krótkowzroczność, charakteryzująca się skrajną krótkowzrocznością, może powodować znaczne konsekwencje dla jednostek, często prowadząc do patologicznej krótkowzroczności i zwiększonego ryzyka ślepoty.
Badacze zebrali dane z badania kohortowego 967 japońskich pacjentów z wysoką krótkowzrocznością i wykorzystali 34 zmienne, które są często zbierane podczas badań okulistycznych, aby opracować modele uczenia maszynowego. Modele te były w stanie dokładnie przewidzieć ostrość wzroku po 3 i 5 latach, dostarczając cennych informacji do oceny klinicznej i monitorowania.
Jednym z kluczowych wniosków z badania było zdolność modelu opartego na regresji logistycznej do przewidywania zaburzeń widzenia po 5 latach. Ten model osiągnął najlepsze wyniki spośród różnych testowanych modeli uczenia maszynowego, takich jak lasy losowe i maszyny wektorów nośnych. Ponadto badacze opracowali nomogram, aby wizualizować model klasyfikacji, co ułatwia pacjentom zrozumienie i wspiera podejmowanie decyzji klinicznych.
Konsekwencje tej pracy badawczej są znaczące jeśli chodzi o radzenie sobie z globalnym wyzwaniem utraty wzroku. Zaburzenia widzenia mogą mieć poważne konsekwencje finansowe i fizyczne dla jednostek, a także wpływać na globalną produktywność. Poprzez dokładne przewidywanie długotrwałej ostrości wzroku u pacjentów z wysoką krótkowzrocznością, modele uczenia maszynowego mają potencjał wsparcia w wczesnych strategiach interwencji i leczenia.
Mimo że to badanie skupiło się na konkretnej grupie japońskich pacjentów, dalsza ocena na większej i bardziej zróżnicowanej populacji byłaby konieczna, aby zweryfikować skuteczność tych modeli. Niemniej jednak ta praca badawcza podkreśla obiecującą rolę uczenia maszynowego w radzeniu sobie z rosnącym publicznym problemem utraty wzroku i poprawie życia osób dotkniętych wysoką krótkowzrocznością.
The source of the article is from the blog windowsvistamagazine.es