Abstract 11594: Deep Learning of the Retina Enables Phenome- and Genome- Wide Analyses of the Microvasculature
Notice bibliographique
Résumé
Introduction: The retinal fundus is a window for non-invasive assessment of the microvasculature. However, the range of phenotypes and inherited genetic variants associated with the retinal microvasculature remain unknown. Hypothesis: Deep learning of retinal fundus images enables large-scale quantification of vascular indices and an unbiased assessment of phenotypes and genetic variants linked to the microvasculature. Methods: We utilized 97,895 retinal fundus images from 54,813 UK Biobank participants (ages 40-70y, 55% female). Using convolutional neural networks to segment vessels, we calculated vascular branching complexity using fractal dimension (FD), and vascular density, and associated these indices with 1,100 incident ICD-based conditions (median 10y follow-up) and 88 quantitative traits, adjusting for age, sex, smoking status, and ethnicity. Genome-wide association study (GWAS) among 38,932 unrelated individuals was performed. Results: Low retinal vascular FD and density were significantly associated with increased risk of incident hypertension, congestive heart failure, renal failure, type 2 diabetes, sleep apnea, anemia, and multiple ocular conditions. Low retinal vascular FD and density were also linked to quantitative traits including elevated blood pressure, anemia indices, abnormal pulmonary function tests, measures of metabolic disease (high HbA1c, % body fat, BMI), and ocular traits (decreased visual acuity and increased intraocular pressure). GWAS of vascular FD and density identified loci enriched among pathways linked to angiogenesis (VEGF, PDGFR, angiopoietin, and WNT signaling pathways), and inflammation (interleukin, cytokine signaling). Conclusions: Through phenotypic and genotypic analyses, our study showed that the retinal vasculature may serve as a biomarker for future cardiometabolic and ocular disease, and provided insights on genes and biological pathways influencing microvascular indices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».