Anti-VEGF 치료 후 시력(VA) 예측을 위한 주의 향상 가이드 다중 모달 및 반 감독 네트워크

원거리막병(DME) 환자의 진단 및 치료를 위한 새로운 방법을 제공하는 원격 의료 기술의 발전은 특히 항혈관 내피 성장 인자(VEGF) 치료 후 중요한데, 환자의 시력(VA)을 정확히 예측하는 것은 후속 치료 계획을 최적화하는 데 중요합니다. 그러나 현재의 자동 예측 방법은 종종 인적 개입을 요구하며 해석력이 떨어져 원격 의료 환경에서 널리 적용하기 어렵습니다. 따라서 원격 의료 환경에서 DME 환자의 치료 결과를 개선하기 위해 해석력이 좋은 효율적인 자동 예측 모델이 긴급히 필요합니다. 본 연구에서는 반 감독 학습 프레임워크를 기반으로 한 다중 모달 알고리즘을 제안하며, 이는 광간섭촬영(OCT) 이미지와 임상 데이터를 결합하여 항-VEGF 치료 후 환자의 VA 값을 자동으로 예측하는 것을 목표로 합니다. 우리의 접근 방식은 먼저 반 감독 학습 프레임워크를 통해 OCT 이미지의 망막 분할을 수행하며, 이를 통해 중심 망막 두께(CST)와 같은 주요 바이오 마커를 추출합니다. 이후 이 특징들은 환자의 임상 데이터와 결합되어 VA 예측을 위한 다중 모달 학습 알고리즘에 제공됩니다. 우리의 모델은 아시아 태평양 원격 안과 학회(APTOS) 빅 데이터 경진대회에서 잘 수행되어 전체 점수에서 5위, VA 예측 정확도에서 3위를 차지했습니다. 망막 분할은 HZO 데이터 세트에서 99.03 ± 0.19%의 정확도를 달성했습니다. 이 다중 모달 알고리즘 프레임워크는 원격의료 문맥에서 DME 환자 치료에 특히 중요합니다.