AI-Driven OCT Biomarkers for Choroidal Neovascularization Assessment in Punctate Inner Choroidopathy and Multifocal Choroiditis.
Notice bibliographique
Résumé
Purpose To assess potential optical coherence tomography (OCT) biomarkers associated with the presence and future development of secondary choroidal neovascularization (CNV) in inflammatory lesions using artificial intelligence (AI)-based segmentation in patients with punctate inner choroidopathy (PIC) and multifocal choroiditis (MFC). Design Multicenter, retrospective cross-sectional and cohort study. Subjects The study included 208 eyes from 156 patients, comprising 112 patients with PIC (143 eyes) and 44 patients with MFC (65 eyes). Methods Sequential OCT scans from patients with MFC and PIC were analyzed using an AI software tool (Discovery® OCT Biomarker Detector, RetinAI AG, Switzerland). The software evaluated morphological biomarkers, fluid and lesion compartment volumes, and retinal layer thickness. Manual corrections were performed on AI-based segmentations when necessary. Data were compared between MFC and PIC, and between eyes with and without CNV presence and development. Linear mixed-effects modeling was employed to identify predictive biomarkers for CNV development. Main Outcome Measures The primary outcomes were baseline lesion volume and presence of CNV and the secondary outcome was best-corrected visual acuity (BCVA). Results At baseline, CNV was present in 72.6% of the eyes (75.5% in PIC and 66.1% in MFC). During follow-up, 20 eyes developed CNV from inflammatory lesions (16 with PIC and 4 with MFC). CNV-positive eyes had significantly lower BCVA at baseline (0.28 ± 0.26 LogMAR vs. 0.14 ± 0.21 LogMAR; p < 0.0001). Baseline lesion volume was significantly greater in CNV-positive eyes (33.80 nL ± 63.71) compared to CNV-negative eyes (5.44 nL ± 12.44; p < 0.0001). Larger lesion volume (β = 24.29, 95% CI: 9.77-38.80; p = 0.001) and longer disease duration (β = 0.17, 95% CI: 0.07-0.27; p = 0.001) were associated with CNV presence. Conclusions Larger baseline lesion volume and longer disease duration are associated with secondary CNV in PIC and MFC patients. AI-driven OCT analysis has potential to identify key biomarkers, supporting personalized treatment strategies and improving patient outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».