据报道,中山大学中山眼科中心刘奕志教授团队,利用百万医学验光大数据,发现了真实世界中的中国青少年近视眼发生发展规律,创建了近视眼人工智能预测模型,可精准预测青少年近视的发展,对青少年近视的有效干预和防控具有重大意义。原创论文于11月6日在国际医学杂志PLoS Medicine官网首页以推介文章在线发表。
既往青少年近视眼研究数据量小,无法完全反映其发展规律,因此不能有效进行预测及早期精准干预。近视眼一旦发展为高度近视,可导致视网膜变性、脱离等不可逆损害,严重影响孩子们的身心健康。如果能够在早期预测其发展规律,通过增加户外活动等早期干预手段,就可减缓近视眼的发生发展,对降低高度近视的风险有重要意义。
中山眼科中心刘奕志教授团队联合全国多家医疗机构,利用十年百余万次的近视眼医学验光大数据,揭示出真实世界青少年近视眼发生、进展与稳定的规律。在此基础上,运用随机森林算法进行机器学习,建立人工智能预测系统,可对近视进展趋势进行个体化预测,3年内准确率达90%,10年内准确率达80%以上,也可提前8年有效预测高度近视,为近视眼的精准干预提供了科学依据。
研究内容总览图:
A 研究纳入8家眼科中心及2家非医疗单位数据。由于研究关注学龄儿童,故纳入标准设为:初诊6-20岁,且本人至少有3次检查,其间隔大于1年。
B 需要输入的预测指标包括,验光年龄,验光球镜度,和度数的年进展速率。预定算法根据这些指标预测指定时间后的近视球镜度,并预测未来10年内是否会进展为高度近视。
C 我们利用机器学习中的随机森林构建预测模型。中山眼科中心的数据用作测试集,内部验证采用10倍交叉验证及OOB法(out-of-bag)。其余数据及其它合作单位采集数据用以外部验证和多来源测试。
为了将研究成果转化应用,研究团队开发出一套人工智能云平台,提供高效的近视预测服务。通过访问智能平台,输入前后两次检查的年龄和度数(间隔至少一年),即可预知10年内的近视度数变化与高度近视风险。
声明:文章收集于网络,如有侵权,请联系小编及时处理,谢谢!
文章来源:人工智能和大数据
《OpenCV计算机视觉产品实战》本课程关注怎样运用OpenCV编写程序,解决实际项目问题,课程注重运用而非理论,因此即使你不具备基础知识,但是在一步一步的讲解中,按图索骥,也能够快速入门,并且建立起知识框架;对于具备一定基础的开发者来说,学习本门课程能够加速对图像处理程序的理解,并且逐渐积累起自己的开发框架。点击下方二维码报名课程