深度学习模型预测nAMD抗VEGF治疗效果
摘要
一项全国多中心研究开发并验证了一种名为KongMing的深度学习模型，该模型能够预测接受抗VEGF治疗的新生血管性年龄相关性黄斑变性（nAMD）患者的视力和解剖学预后。研究涉及中国12个省份的18家三级医院，收集了大量患者数据，并在内部和外部数据集上进行了测试。结果显示，该模型在预测BCVA变化方面表现出色，显著优于不同经验水平的眼科医生。
信息来源： PubMed Ophthalmology 发布于 2027年2月5日
要点速览
- KongMing模型能够预测nAMD患者接受抗VEGF治疗后的视力和解剖学预后。
- 该模型在内部和外部数据集上均表现出色，显著优于不同经验水平的眼科医生。
- 研究结果表明，KongMing模型为个性化治疗计划提供了可靠工具，有望改善治疗依从性。
本站解读
这项研究标志着眼科领域在人工智能应用上的一个重要里程碑。通过开发KongMing模型，研究人员不仅提供了一种可靠的工具来预测nAMD患者的治疗效果，还为个性化治疗计划提供了坚实的基础。这种技术路线的变迁意味着未来的眼科诊疗将更加依赖于数据驱动的方法，从而提高治疗的精准性和有效性。
从商业格局来看，这一进展可能会重塑行业竞争生态。目前，国内外多家企业都在积极布局AI辅助诊断和治疗领域，但KongMing模型的成功验证无疑为中国企业在这一赛道上赢得了先机。随着更多类似研究的推进，预计会有更多的企业和研究机构加入这场竞赛，进一步推动技术的发展和应用。
值得注意的是，尽管KongMing模型在预测BCVA变化方面表现优异，但其长期效果和实际应用中的稳定性仍有待观察。此外，如何将这一技术有效整合到现有的临床实践中，也是后续需要解决的关键问题。未来，我们需要密切关注这些模型在真实世界中的表现，以及它们对患者治疗依从性和医疗资源分配的影响。
常见问题
这个模型能帮我预测我的nAMD治疗效果吗？
KongMing模型确实可以预测nAMD患者的治疗效果，但具体应用还需结合医生的专业判断。如有疑虑可咨询眼科医生。
这个模型是否已经在临床上广泛应用了？
目前，KongMing模型还在研究阶段，尚未广泛应用于临床。未来可能会有更多的研究和实践来验证其实际效果。
延伸阅读
改进鲸鱼优化算法和卷积Kolmogorov-Arnold网络检测糖尿病视网膜病变严重程度
研究者提出了一种基于深度学习的方法，通过改进的鲸鱼优化算法和卷积Kolmogorov-Arnold网络来提高糖尿病视网膜病变（DR）的早期识别能力。该方法利用ShuffleNet V2模型结合视觉变换器的注意力机制提取特征，并在EyePACS数据集上进行五折交叉验证训练，在MESSIDOR-2数据集上测试，平均准确率达到93.84%。此外，该模型对计算资源需求较低，适合在资源有限的医疗机构中部署。
OCT-血管成像预测nAMD复发风险
研究通过回顾性观察，分析了稳定且无活动性新生血管性年龄相关性黄斑变性（nAMD）患者在停止抗VEGF治疗前的OCT-血管成像特征。结果显示，血管密度较高的患者复发风险更高，提示这类患者可能需要更密切的随访或继续治疗。
PathFinder AI工具在非视网膜专家中的诊断一致性评估
本研究旨在评估非视网膜专科医生（NRS）使用PathFinder人工智能辅助工具与视网膜专科医生在诊断和转诊决策上的一致性。研究纳入了202名连续接受CIRRUS平台OCT检查的患者，其中PathFinder AI模块被用于辅助诊断。结果显示，在202只眼睛中（平均年龄62.7 ± 12.3岁），PathFinder AI工具在资源有限的情况下具有显著的实时决策支持价值，但在特定疾病尤其是威胁视力的条件下，仍需进一步优化和临床监督。