单张眼底照片深度学习预测近视进展与高度近视
Deep learning using fundus photograph predicts myopia progression
北京同仁眼中心团队在 AAO 会议报告了基于非散瞳眼底照相预测一年近视发生及进展至中度或高度近视的深度学习模型。模型在内部及两个外部队列验证中,预测高度近视进展的 AUC 分别为 0.95、0.96 和 0.91,预测中度近视进展的 AUC 分别为 0.89、0.89 和 0.88。作者认为该技术可为早期临床干预提供强力工具。
研究展示了单张眼底照片预测近视进展的性能,为临床早期分层提供工具参考。
根据在10月9日至12日于新奥尔良举行的美国眼科学会年会上公布的一项研究,分析一张眼底照片的深度学习算法可以预测近视进展为中度或高度近视。
来自中国北京同仁眼科中心的 Ang Ji(医学学士)和 Yin Guo(医学博士)开发并验证了算法,利用非散瞳眼底成像来预测一年内近视的发生以及进展为中度和高度近视。
采用两阶段迁移学习方法,在150,213张横断面图像上进行预训练;模型的微调和内部验证在16,384名儿童的纵向队列中进行,外部验证在另外两个队列中进行(外部验证队列1 [EC1],2,309名参与者;外部验证队列2 [EC2],2,783名参与者)。
研究人员发现,在预测进展为中度近视和高度近视方面,算法表现出稳健的性能(受试者工作特征曲线下面积:内部、EC1 和 EC2 分别为 0.89、0.89 和 0.88(中度近视);内部、EC1 和 EC2 分别为 0.95、0.96 和 0.91(高度近视))。对于近视发生,预测效果中等(受试者工作特征曲线下面积:内部、EC1 和 EC2 分别为 0.73、0.68 和 0.72)。
作者写道:“使用单张眼底照片的深度学习可以有效分层评估一年内进展为中度及高度近视的风险,为早期临床干预提供了有力工具。”
更多信息
关键医学概念
谁在撰写这篇报道?
Sadie Harley
生物科学与生态学理学学士。具有微生物学实验室背景,曾在石油、天然气和可再生能源行业的制药新闻领域拥有经验。 完整简介 →
Andrew Zinin
物理学硕士,拥有研究经验。资深科学新闻爱好者。在 Science X 的编辑成功中发挥关键作用。 完整简介 →
版权所有 © 2026 HealthDay。保留所有权利。
引用: 基于眼底照片的深度学习预测近视进展 (2026, October 21) retrieved 21 October 2026 from https://medicalxpress.com/news/2026-10-deep-fundus-myopia.html
本文档受版权保护。除出于个人学习或研究目的的合理使用外,未经书面许可,不得复制任何部分。本内容仅供参考。
来源:Medical Xpress · medicalxpress.com