Deep Learning-baseret OCTA-kvantificering og modellering til at forudsige langtids effekt af anti-VEGF-behandling ved mCNV

Myopisk koroidal neovaskularisering (mCNV) er en af de synstruende komplikationer, der er sekundære til patologisk myopi. Intravitreal injektion af anti-vaskulær endotel vækstfaktor (VEGF) er dens første-linje terapi. Imidlertid er mCNV tilbøjelig til recidiv og langvarigt synstab, og der er i øjeblikket ingen definitiv metode til at forudsige langvarig prognose. Dette projekt har til formål at gennemføre en langvarig opfølgning og flerdimensional kvantitativ analyse af mCNV ved hjælp af optisk koherens tomografi angiografi (OCTA) billeder. Det søger at evaluere langvarige prognostiske indikatorer, såsom recidiv og langvarig synsskarphed, efter anti-VEGF terapi for mCNV, og at konstruere en dyb læring (DL) forudsigelsesmodel for anti-VEGF effekt baseret på multimodal klinisk data, hvilket i sidste ende muliggør behandlingspersonaliseret.

Først vil dyb læringsteknologi blive anvendt til at segmentere og kvantitativt analysere mCNV i OCTA billeder, hvilket giver flerdimensionale kvantitative parametre. Disse inkluderer OCTA-baseret mCNV område og karforbindelse (VJ). Patienter vil blive fulgt op regelmæssigt i to år efter behandling, med overvågning af antallet af injektioner, mCNV recidiv, OCT og OCTA kvantitative parametre, fundus korio-retinal atrofi læsioner og synsskarphedsstatus. En multimodal DL forudsigelsesmodel vil blive konstrueret, primært baseret på de flerdimensionale kvantitative karakteristika af mCNV fra OCTA billeder. Denne model vil have til formål at identificere følsomme indikatorer for at forudsige bedst-korrigeret synsskarphed og recidiv efter anti-VEGF terapi for mCNV og at afklare forholdet mellem terapeutisk effekt, baseline læsionsstatus og behandlingsregimvalg.

Denne forskning vil åbne nye veje for klinisk vurdering af den langvarige effekt af anti-VEGF terapi for mCNV, betydeligt forbedre effektiviteten og nøjagtigheden af effektvurdering, og give en kritisk reference for personalisering af anti-VEGF behandlingsplaner, hvilket har betydelig klinisk betydning.