Predicción personalizada de resultados refractivos post-SMILE utilizando un nomograma de aprendizaje automático

Área de la Ciencia:

• Oftalmología; Ingeniería Biomédica; Ciencia de Datos

Sus antecedentes:

• La extracción de lentículo de incisión pequeña (SMILE) es una cirugía refractiva popular para la miopía y el astigmatismo miópico.; La predicción precisa de los resultados refractivos es crucial para la satisfacción del paciente y el éxito quirúrgico.

Objetivo del estudio:

• Desarrollar y validar un nomograma personalizado impulsado por aprendizaje automático para predecir los resultados refractivos después de SMILE.; Mejorar la precisión y la predictibilidad de la planificación de la cirugía refractiva.

Principales métodos:

• Análisis retrospectivo de 1253 ojos sometidos a SMILE.; Selección de características utilizando experiencia clínica y métodos estadísticos.; Entrenamiento y evaluación de cuatro modelos de aprendizaje automático (regresión lineal, árbol de decisión, bosque aleatorio, red neuronal).

Principales resultados:

• El modelo de bosque aleatorio logró el mayor rendimiento predictivo (MAE: 0.18 D, RMSE: 0.24 D, R2: 0.92).; El nomograma final incorporó 11 predictores clave y mostró una fuerte validación externa.; El 92.3% y el 99.4% de los ojos lograron resultados dentro de ±0.50 D y ±1.00 D de la corrección prevista.

Conclusiones:

• Un nomograma personalizado derivado del aprendizaje automático ofrece una herramienta de alta precisión para pronosticar los resultados refractivos de SMILE.; Este nomograma puede mejorar la precisión y la predictibilidad en la planificación de la cirugía refractiva clínica.; La herramienta es transferible y puede ayudar a optimizar la planificación quirúrgica para pacientes individuales.