Повышение оптической согласованности диагностических возможностей: методы машинного обучения для выявления аутоиммунных воспаленных заболеваний.

БАКГРЕСС: Во многих частях мира, включая Индию, растет распространенность аутоиммунных подстрекательских заболеваний, таких, как расстройства спектрального спектра нейромиелита (NMOSD), гликопротеина (MOGAD) миэлина олигодендроцита, а также множественный склероз (MS). Диагноз часто задерживается из-за недостаточности диагностических средств. Модели машинного обучения (ML) позволяют точно дифференцировать глаза пациентов с MS от глаз здоровых органов управления (HC) с использованием оптических топографических изображений сетчатки (OCT). Изучение характеристик ОХТ может позволить провести раннюю дифференциацию этих условий. Цель этого исследования состояла в том, чтобы определить практическую возможность анализа ML для проведения различия между пациентами с различными аутоиммунными воспламенительными заболеваниями, другими окулярными заболеваниями и HC на основе измерений OCT перипиллярного слоя нервной сетчатки (PRNFL), ганглионного клеточного плексиформного слоя (GCIPL) и внутреннего ядерного слоя (INL). МЕТОДЫ: Включены глаза людей с MS (n = 99 пациентов), NMOSD (n = 40 человек), MOGAD (n = 74 человека), другими окулярными заболеваниями (OFER, n = 16 человек) и HC (n = 54 человека) из Мангалорского регистра болезней демилинирования. Были выполнены модели классификации вспомогательных векторных машин (СМВП), включающие возраст, PRNFL, GCIPL и INL. Данные были разбиты на данные о профессиональной подготовке (70%) и тестировании (30%) и были учтены как корреляции внутри стационара. Для выбора наилучших параметров модели ПТрМ использовалась перекрестная проверка. Для оценки эффективности моделей использовались точность и площадь в рамках кривых эксплуатационных характеристик приемника (АУРОК). Результаты: В моделях ПТрМ проводится различие между глазами пациентов с каждым заболеванием (т.е. MOGAD vs NMOSD, NMOSD vs HC, MS vs Other и т.д.), при этом степень дискриминационной силы, продемонстрированная АУРОК для этих сопоставлений, колеблется от 0,81 до 1,00. Эти модели также работали с умеренной и высокой точностью от 0,66 до 0,81, за исключением сопоставления MS vs NMOSD, точность которого составляла 0,53. ЗАКЛЮЧЕНИЕ S: Модели ML полезны для проведения различий между аутоиммунными подстрекательскими заболеваниями и для проведения различий между ними и HC и другими окулярными заболеваниями, основанными на показателях OCT. Это исследование закладывает основу для будущих углубленных исследований, в которых используются анализы первичных изображений OCT для выявления глаз пациентов с такими расстройствами и другими этиологиями оптической нейропатии.