SYSTEM AND METHODS FOR PREDICTING GLAUCOMA INCIDENCE AND PROGRESSION USING RETINAL PHOTOGRAPHS

• Main Authors: ZHANG, Charlotte, GAO, Yuanxu
• Format: Patent
• Language: English; French
• Published: 07.12.2023
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; DIAGNOSIS; HUMAN NECESSITIES; HYGIENE; IDENTIFICATION; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; MEDICAL OR VETERINARY SCIENCE; PHYSICS; SURGERY

Deep learning based systems and methods for predicting and stratifying the risk of glaucoma onset and progression based on color fundus photographs (CFPs) are disclosed. The methods are clinically validated by external population cohorts wherein to apply a machine-learning classifier having been trained using a dataset of CFPs of a longitudinal patient cohort regarding glaucoma development of each of the patients in the cohort over a period of time (e.g., over the course of a few vears), to predict a likelihood of glaucoma incidence or progression for the patient in the future (e.g., over a similar period of time of several years). L'invention concerne des systèmes et des procédés basés sur l'apprentissage profond pour prédire et stratifier le risque d'apparition et de progression du glaucome sur la base de photographies de fond d'œil (CFP). Les procédés sont cliniquement validés par des cohortes populationnelles externes pour appliquer un classificateur d'apprentissage automatique ayant été entraîné à l'aide d'un ensemble de données de CFP d'une cohorte de patients longitudinale concernant le développement du glaucome de chacun des patients dans la cohorte sur une certaine période (p. ex., en l'espace de quelques années), pour prédire une probabilité d'incidence ou de progression du glaucome pour le patient dans le futur (p. ex., sur une période similaire de plusieurs années).