人工智能模型利用生活方式因素来预测与干眼症相关的结果

快速阅读: 据《Nature.com》称，本研究利用机器学习模型分析干眼症的预测因素，发现年龄、生活习惯、环境等对眼部健康有显著影响。研究强调应更重视生活方式在临床诊疗中的作用，提高干眼症预测和诊断的准确性。

本研究旨在通过在预测中赋予生活方式因素较大权重，探讨并解析能够预测干眼症（DE）相关临床表现、主观症状及临床诊断的机器学习模型。该模型经过训练，可结合眼部表面、眼睑和泪膜的临床检查结果，以及通过标准化问卷工具获取的干眼症症状评分和临床医生对眼部疾病的诊断，实现分类以确定与干眼症相关的结果类别。

研究显示，数据驱动算法识别出的受试者特征、生活方式、行为或环境暴露是关键预测因子。模型通过五折交叉验证评估其准确性，并统计各预测因子的类别分布。结果显示，年龄、眼睑切迹、Marx线前移位、荧光素泪膜破裂时间（FTBUT）、视觉模拟评分量表的症状评分以及睑缘炎的临床诊断均为重要预测因素。此外，舒适的隐形眼镜佩戴时间为预测干眼症症状评分的重要指标。

进一步分析发现，近距离用眼时间、饮酒、运动及户外活动时间是多种眼部体征和症状的关键预测因素。而接触飞机机舱环境和驾驶汽车则是干眼症相关症状的预测因子，但并非临床体征的预测因子。研究还表明，干眼症相关症状的预测准确率范围为60.7%-86.5%，诊断准确率范围为73.7%-80.1%，临床体征的预测准确率为66.9%-98.7%。

这些结果表明，生活方式、个体特征和环境因素在眼部疾病的发生和发展中发挥着重要作用。因此，在临床研究和诊疗过程中，应更加重视生活方式因素，而非仅仅关注当前状况。

(以上内容均由Ai生成)