使用监督式机器学习算法预测特发性颅内高压诊断患者的不良视觉预后

《Journal of Neuro-Ophthalmology》：Prediction of Poor Visual Outcomes at Idiopathic Intracranial Hypertension Diagnosis Using a Supervised Machine Learning Algorithm

　　本研究基于电子健康记录回顾性分析391例中枢性脑积水患者，构建决策树模型预测视力预后风险，发现基线视功能缺损（VFMD）<-9.1 dB且非白种人患者风险最高（92.6%），为临床分级干预提供依据。

　　

摘要

背景：

特发性颅内高压（IIH）是一种威胁视力的疾病，主要影响育龄女性。及时诊断和干预对于防止视力丧失至关重要，但目前缺乏能够预测视力结果的可靠工具。本研究的目的是开发一种机器学习算法，在确诊IIH时预测患者的不良视力结局，并对初始视力正常的患者和视力不佳的患者进行风险分层。

方法：

利用电子健康记录，我们在2012年6月1日至2023年9月30日期间进行了一项回顾性队列研究。所有年龄在0至70岁之间、被诊断为IIH并符合修订后的诊断标准的患者均被纳入分析范围。共有391名IIH患者的最终视力结果可供分析，这些结果是在诊断后3个月至1年内获得的。不良视力结局被定义为视野平均偏差（VFMD）低于-7分贝（dB）或视力低于20/80。本研究采用了逻辑回归和决策树两种方法构建预测模型，并通过准确率、敏感性、特异性以及曲线下面积等多个指标对模型进行了评估。表现最佳的模型通过k折交叉验证进行了验证。

结果：

决策树模型的预测效果最佳，共划分出4个风险组：高危组、中危组、低危组和极低危组。在极低危组中，基线VFMD高于-12.59 dB且不属于白人种族的患者，其不良视力结局的风险为92.6%；基线VFMD高于-9.1 dB的患者，不良视力结局的风险为69.8%；而基线VFMD高于-3.39 dB的患者，不良视力结局的风险仅为1.04%。

结论：

本研究为临床医生提供了有价值的预后指标，有助于识别面临严重视力丧失风险的患者。基线VFMD低于-9.1 dB的患者具有较高的不良视力结局风险，如果这些患者属于少数族裔，这一风险会进一步增加。