Silmätautipotilaiden tilan ennustaminen long short-term memory-menetelmällä

Abstract

Silmänpohjan ikärappeuma on maailmanlaajuisesti yleisin näkövammaisuutta aiheuttava sairaus, jota esiintyy hoidettavana kosteana ja hoitamattomana kuivana muotona. Kostean etenemistä hidastavat pistoshoidot ovat lisääntyneet tehokkuutensa vuoksi. Hoito- ja seurantakäyntien potilastiedot antavat pohjan koneoppimisen hyödyntämiseen. Näiden hyödyntäminen on lisääntynyt, mutta niiden haasteena on ollut huomioida pitkät aikavälit, joita voi olla potilastiedoissa paljon.

Tämän työn tavoitteena oli kokeilla pitkiin aikaväleihin erikoistunutta long short-term memory-neuroverkkomenetelmän soveltuvuutta synteettiseen kostean silmänpohjan ikärappeumapotilasdataan. Tällä pyrittiin ennustamaan potilaiden tilan muuttumista parempaan tai huonompaan suuntaan seuraavalle käyntikerralle.

Menetelmällä saavutettiin erinomainen yli 90 %:n tarkkuus, testatessa sitä isolla synteettisellä potilasaineistolla, joka jaettiin suhteella 67:33 treenidataan ja testidataan. Tämän perusteella menetelmää voitaisiin hyödyntää myös aitoon potilasdataan.

Tutkimusta voisi jatkaa ottamalla pistosvaihtoehdot mukaan, mikä auttaisi lääkkeen valitsemisessa potilaalle. Toinen jatkokehitys voisi olla hoitojen kustannuskehityksen ennustaminen.