Axial and choroidal changes as key predictors of myopia control in red-light therapy: Evidence from machine learning models.
원문 읽기 ~5분 → AI 요약 ~1분
적색광 치료 시 축장 변화가 핵심 예측인자
임상 적용 포인트 · AI 추출
소아 근시 환자에게 적색광 치료 시행 시 3개월 후 축장 길이와 맥락막 두께 변화를 모니터링하여 치료 효과를 예측하세요. 나이가 많고 맥락막이 두꺼워질수록 근시 진행 억제 효과가 더 좋습니다.
요약· AI 생성
1) 538명의 소아 환자를 대상으로 반복 저강도 적색광(RLRL) 치료의 근시 억제 효과 예측 인자를 머신러닝으로 분석했습니다. 2) XGBoost 모델이 가장 우수한 성능을 보였으며(AUC 0.90-0.92, 정확도 87.7-88.2%), 6개의 안정적 예측인자를 확인했습니다. 3) 나이, 기저 축장 길이, 전방 깊이, 망막신경섬유층 두께, 축장 변화량, 맥락막 두께 변화량이 주요 예측인자였습니다. 4) 단기 예측에는 축장 변화량이, 장기 예측에는 맥락막 두께 변화량이 가장 중요한 인자로 나타났습니다. 5) 나이가 많고 맥락막이 두꺼워질수록 근시 진행에 대한 보호 효과가 일관되게 관찰되었습니다.
임상적 의의
적색광 치료 효과를 예측할 수 있는 머신러닝 모델을 통해 개별 환자에게 맞춤형 근시 관리가 가능해졌습니다. 축장과 맥락막 두께 변화를 동적 바이오마커로 활용하여 치료 모니터링의 정확도를 높일 수 있습니다.
연구 한계
다기관 코호트 연구이지만 무작위 대조군이 없어 치료 효과의 인과관계 입증에 한계가 있습니다.
이 요약은 MotionLabs 의료 AI가 생성했습니다. AI 요약은 원문의 핵심을 전달하기 위한 참고 자료이며, 임상 판단을 대체하지 않습니다.
MotionLabs 더 알아보기