Predicting myopia risk using a machine learning model based on fundus imageomics
7.5
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-12-13 07:36
摘要：
本研究开发了一种基于机器学习的模型，利用定量色彩眼底摄影数据预测学龄儿童的近视风险。通过分析2184名儿童的眼底图像，研究发现随机森林模型在预测近视风险方面表现最佳，AUC达到0.798。该模型结合了年龄、视网膜特征等多个变量，具有较高的临床应用价值，能够作为社区基础近视筛查的有效工具。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
0.5分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
0.5分
关键证据
RF模型显示出最佳预测性能（AUC = 0.798），具有高特异性和适度敏感性。
研究表明，定量CFP衍生的图像组学结合机器学习可以有效预测儿童近视风险。
该模型的临床应用潜力高，适合社区基础的近视筛查。
真实性检查
否
AI评分总结
本研究开发了一种基于机器学习的模型，利用定量色彩眼底摄影数据预测学龄儿童的近视风险。通过分析2184名儿童的眼底图像，研究发现随机森林模型在预测近视风险方面表现最佳，AUC达到0.798。该模型结合了年龄、视网膜特征等多个变量，具有较高的临床应用价值，能够作为社区基础近视筛查的有效工具。