基于深度学习的临床决策支持系统,用于评估植入式眼镜镜片大小和植入式眼镜镜片手术后的顶:一项回顾性研究
Yixuan Yang1, Zhengqin Long2, Bo Lei1
1Department of Ophthalmology, The Third Hospital Affiliated to the Third Military Medical University Department of Ophthalmology, Chongqing, China.
BMJ open
|February 16, 2024
概括
这项研究开发了一种人工智能驱动的临床决策支持系统 (CDSS),以优化可植入结膜透镜 (ICL) 的尺寸,提高手术安全性和近视纠正的结果.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 植入式结膜透镜 (ICL) 手术是一种常见的折射手术.
- 精确的ICL大小测定对于最佳的手术结果和患者安全至关重要.
- 目前用于ICL大小选择的方法可能不理想,可能导致并发症.
研究的目的:
- 开发和验证临床决策支持系统 (CDSS) 以选择最佳的手术前ICL大小.
- 通过改进ICL大小来提高ICL手术的安全性和外科结果.
- 利用人工智能预测术后的体和术前的ICL尺寸.
主要方法:
- 一项回顾性研究涉及2772只眼睛,来自1512名接受ICL手术的患者.
- 使用各种人工智能方法开发CDSS,以预测术后体和术前ICL尺寸.
- 使用准确度指标和曲线下的面积 (AUC) 评估预测模型.
主要成果:
- 传统的神经网络 (CNN) 在ICL大小预测方面表现出最高的准确性 (91.37%) 和AUC (0.842).
- 在预测1个月后手术后的预测中,CNN也获得了最高的准确率 (85.27%) 和AUC (0.815).
- 美国CNN被选为CDSS的预测算法.
结论:
- 开发的CDSS有效地帮助外科医生选择最佳ICL大小.
- CDSS有可能改善ICL手术的安全性和术后结果.
- 人工智能驱动的工具可以显著提高折射手术的规划和执行.
