基于机器学习的数据模型辅助诊断亚临床期圆锥角膜的研究

目的 探讨基于机器学习的数据模型对于正常角膜、亚临床圆锥角膜和圆锥角膜的诊断情况.方法 诊断性研究.收集2016年1月至2019年1月就诊于天津市眼科医院年龄(28.4±8.2)岁的近视眼患者2 018例.由2名经验丰富的眼科专家根据角膜地形图诊断并标注为圆锥角膜、亚临床圆锥角膜和正常角膜.采用计算机随机采样方法随机选取其中80％(1 615例)患者的数据作为训练集,另20％(403例)患者的数据作验证集.借助梯度提升树(GBDT)算法提取28个角膜参数特征,建立数据模型对患者角膜情况进行诊断,采用十折交叉验证法验证模型的诊断准确率,并采用受试者工作特征曲线评价数据模型与标注情况及高年资住院医师标注情况的敏感度与特异度.结果 模型诊断准确率为95.53％.验证集受试者工作特征曲线下面积(AUC)为0.9966.模型诊断亚临床圆锥角膜与正常角膜的准确率为96.67％,验证集AUC为0.9936;诊断圆锥角膜与正常角膜的准确率为98.91％,验证集AUC为0.998 2.模型的诊断准确率为95.53％,明显优于高年资住院医师(93.55％).结论 借助机器学习方法建立的数据模型诊断亚临床期圆锥角膜有较高的准确率,可极大提升年轻和基层医师的临床诊断效率和准确率.