A alta miopia é uma condição que afeta cerca de 10% da população mundial e pode causar sérios problemas de visão, como descolamento de retina, glaucoma e catarata.
Essas complicações podem levar à deficiência visual ou até mesmo à cegueira.
Para evitar esses resultados, é importante identificar os pacientes com alto risco de perda de visão e monitorar sua condição com frequência. No entanto, os métodos atuais de avaliação são baseados em critérios subjetivos e não levam em conta todos os fatores que podem influenciar a progressão da miopia.
Uma equipe de pesquisadores da Universidade Médica e Odontológica de Tóquio (TMDU) desenvolveu uma solução inovadora para esse problema: um modelo de aprendizado de máquina que pode prever e visualizar o risco de deficiência visual em pacientes com alta miopia.
O aprendizado de máquina é uma técnica que permite que os computadores aprendam com os dados e façam previsões sem a necessidade de programação explícita. Os pesquisadores da TMDU usaram essa técnica para analisar um conjunto de dados de 967 pacientes japoneses com alta miopia, que foram acompanhados por 3 e 5 anos.
Eles usaram 34 variáveis que são coletadas durante exames oftalmológicos, como idade, acuidade visual atual e diâmetro da córnea, para treinar e testar vários modelos populares de aprendizado de máquina, como florestas aleatórias e máquinas de vetores de suporte.
Eles descobriram que o modelo baseado em regressão logística foi o melhor para prever a deficiência visual em 5 anos, com uma precisão de 86% e uma área sob a curva ROC de 0,88. A curva ROC é uma medida que mostra o quão bem um modelo pode distinguir entre duas classes, como deficiência visual ou não.
Para tornar o modelo mais fácil de usar e interpretar, os pesquisadores usaram um nomograma, que é uma ferramenta gráfica que mostra a importância de cada variável e permite calcular um escore de risco para cada paciente. O nomograma pode ajudar os médicos a avaliar o risco de deficiência visual de forma rápida e intuitiva, e a planejar o tratamento e o acompanhamento adequados.
Os pesquisadores concluíram que o modelo de aprendizado de máquina tem potencial para ajudar na avaliação e monitoramento clínico dos pacientes com alta miopia e prevenir a perda de visão. Eles esperam que o modelo possa ser aplicado a outras populações e doenças oculares no futuro.
Fonte: Link.
Essas complicações podem levar à deficiência visual ou até mesmo à cegueira.
Para evitar esses resultados, é importante identificar os pacientes com alto risco de perda de visão e monitorar sua condição com frequência. No entanto, os métodos atuais de avaliação são baseados em critérios subjetivos e não levam em conta todos os fatores que podem influenciar a progressão da miopia.
Uma equipe de pesquisadores da Universidade Médica e Odontológica de Tóquio (TMDU) desenvolveu uma solução inovadora para esse problema: um modelo de aprendizado de máquina que pode prever e visualizar o risco de deficiência visual em pacientes com alta miopia.
O aprendizado de máquina é uma técnica que permite que os computadores aprendam com os dados e façam previsões sem a necessidade de programação explícita. Os pesquisadores da TMDU usaram essa técnica para analisar um conjunto de dados de 967 pacientes japoneses com alta miopia, que foram acompanhados por 3 e 5 anos.
Eles usaram 34 variáveis que são coletadas durante exames oftalmológicos, como idade, acuidade visual atual e diâmetro da córnea, para treinar e testar vários modelos populares de aprendizado de máquina, como florestas aleatórias e máquinas de vetores de suporte.
Eles descobriram que o modelo baseado em regressão logística foi o melhor para prever a deficiência visual em 5 anos, com uma precisão de 86% e uma área sob a curva ROC de 0,88. A curva ROC é uma medida que mostra o quão bem um modelo pode distinguir entre duas classes, como deficiência visual ou não.
Para tornar o modelo mais fácil de usar e interpretar, os pesquisadores usaram um nomograma, que é uma ferramenta gráfica que mostra a importância de cada variável e permite calcular um escore de risco para cada paciente. O nomograma pode ajudar os médicos a avaliar o risco de deficiência visual de forma rápida e intuitiva, e a planejar o tratamento e o acompanhamento adequados.
Os pesquisadores concluíram que o modelo de aprendizado de máquina tem potencial para ajudar na avaliação e monitoramento clínico dos pacientes com alta miopia e prevenir a perda de visão. Eles esperam que o modelo possa ser aplicado a outras populações e doenças oculares no futuro.
Fonte: Link.
