ASCRS 2025：医学博士Joaquin de Rojas，利用机器学习模型来预测弧形的结果
2025-05-02 20:26:15
英文原文
作者：Joaquin De Rojas, MD
使用经过治疗的散光和其他细微差别输入的机器学习模型可以显着提高弧形角化术计划的准确性和个性化
医学博士Joaquin de Rojas分享了他关于实施机器学习的演讲的亮点，以完善弧形的角膜切开术（AK）命名图，这为他赢得了2025年2025年美国白内障协会和避法外科学会的最佳论文奖，并于4月25日至28日在加利福尼亚州的洛斯阿吉利亚举行。
``为了更好地预测弧形圆锥形细胞，我们利用机器学习来帮助理解多个特征的复杂相互作用。
该模型成功的核心是通过使用基本三角学在同一轴上对齐的术后折射率来计算的经过处理的散光概念。这是实际用弧形治疗的散光量。他说，这就是您想如何训练模型。被治疗的散光是切口长度的最预测性特征，然后是术前的散光和患者年龄。
值得注意的是，该模型还确定了次要的，但有影响力的变量，例如白色到白色距离，横向性，交接性，性别，轴向长度，甚至在生物图中的设备特异性差异。这些细微的因素通常在当前的命名图中被忽略。De Rojas解释说，较宽的角膜是直径为9毫米的同一弧形切口将产生不同的作用。”
机器学习框架建立在XGBoost上，XGBoost是一种非常适合表格数据的梯度增强算法，在避免过度拟合的同时，具有有限的数据集提供了鲁棒性。虽然还探索了神经网络，但事实证明，没有严格的控制，它们过于渴望和不稳定。他说，您必须找到最好的平衡 - 更加复杂的情况并不总是更好。”
临床医生可以测试现场模型derojas.info，该工具的两个版本提供了可行的指导，包括为AKS提供有关高规则散光的建议。他补充说，您只需要获取一些好数据！在几秒钟之内，您就有一种定制的，量身定制的方法。”
关于《ASCRS 2025：医学博士Joaquin de Rojas，利用机器学习模型来预测弧形的结果》的评论
暂无评论
发表评论
摘要
使用经过治疗的散光和其他细微差别输入的机器学习模型可显着提高弧形角化切开术（AK）计划的准确性。华金·德·罗哈斯（Joaquin de Rojas）博士在2025年美国白内障和屈光外科学会年度会议上介绍了这一点，赢得了最佳论文。该模型建立在XGBoost的模型中，比传统方法更广泛的变量，包括经过处理的散光，术前散光，患者年龄，白色到白色距离，横向性，横向性，性别，性别和轴向长度。临床医生可以在derojas.info上访问实时模型，以获取个性化的AK计划指南。