術内OCTを用いてICLインプランテーション後のヴォルトを予測する:モデルの確立と適用
1Shaanxi Eye Hospital, Xi'an People's Hospital (Xi'an Fourth Hospital), Affiliated People's Hospital of Northwest University, Xi'an 710004, Shaanxi Province, China.
Journal of cataract and refractive surgery
|February 16, 2026
まとめ
この研究は,眼内コラーメールレンズ (ICL) 手術後の術後のヴォルトを正確に予測できる,外科内視光学コヒーレンストモグラフィー (iOCT) であることを示しています. iOCTデータを用いた機械学習モデルは,より良い結果のためにICL配置を最適化するのに役立ちます.
科学分野:
- オフタルモロジック (眼科)
- メディカルイマージング (医学イメージング)
- 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) とは,機械学習 (Machine Learning) と呼ばれるものです.
背景:
- 眼内コラマーレンズ (ICL) 埋め込みは,一般的な屈折性手術です.
- 正確なICL配置は,最適な術後のヴォルトと視覚的結果を達成するために不可欠です.
- リアルタイムの手術内測定は,外科的調整に役立ちます.
研究 の 目的:
- 術内光学相干性トモグラフィ (iOCT) のデータを用いて機械学習 (ML) モデルを開発する.
- ICLインプランテーション後の術後のヴォルトの高さを予測するために.
- ヴォルトの成果を改善するために,リアルタイムのICL方向調整をガイドする.
主な方法:
- ICL手術を受けた106人の患者 (158人の眼) を対象とした将来的なケースシリーズ.
- ICLの置かれた直後にiOCTを使用して,手術中のセールフ測定を記録しました.
- 術後のヴォルトは,前段OCT (AS-OCT) を使用して,複数のフォローアップ間隔で評価されました.
- MLモデルが訓練され,iOCTデータを用いて検証され,術後のボルトを予測しました.
主要な成果:
- ランダムフォレストMLモデルは,手術後のセールトの予測の高精度を示した.
- 平均絶対誤差は106.48 ± 19.23 μmで,さまざまな誤差値 (例えば,±150 μm以内の94.9%) で高い精度であった.
- 予測されたと実際のヴォルト測定の間で強い一致が観察され,バイアスは最小でした.
結論:
- イントラオペラティブOCTは,正確なリアルタイムのセールフ測定を提供します.
- 開発されたMLモデルは,手術後のヴォルトの大きさを確実に予測します.
- このデータベースのアプローチは,手術中にICLの指向を最適化し,臨床結果を潜在的に向上させることができます.
