分析手术和角膜参数对近视眼中微笑术后折射结果的影响,基于机器学习
Mingdong Zhang1, Shufan Ji2, Yan Huo3
1From the Clinical College of Ophthalmology (M.Z., S.B., Y.W.), Tianjin Medical University, Tianjin, China.
American journal of ophthalmology
|December 29, 2024
概括
机器学习确定了影响小切口镜片提取 (SMILE) 结果的关键因素. 增加的角膜切除和特定的生物力学读数与SMILE手术后的折射结果较差相关.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 小切口镜片提取 (SMILE) 是近视的流行的折射手术.
- 预测术后折射结果对于患者满意度至关重要.
- 机器学习为分析复杂的临床数据提供了强大的工具.
研究的目的:
- 研究各种临床参数对近视眼的SMILE手术折射结果的影响.
- 使用机器学习识别成功和不成功的折射结果的关键预测因素.
主要方法:
- 这是一项对477名接受SMILE治疗的患者 (922只眼睛) 的回顾性队列研究.
- 患者被分为良好的 (术后球体等价值[SE] ≤-0.50D) 和不良的结局组.
- 一个XGBoost模型分析了72个特征,包括生物机械,形态,手术和折射参数.
主要成果:
- 前十大预测指标包括手术 (PTA,LTmax,RST),生物机械 (HC时间,偏移Amp Max,SSI),形态 (R Per F,RS F) 和折射 (SE,SD) 参数.
- 对于PTA,LTmax,SE,SD,HC时间和偏移AMPmax的特定值与术后SE的增加有关.
- 较高的角膜组织切除和某些生物力学读数与较差的结果有关.
结论:
- 诸如角膜组织切除的增加,长时间的HC时间和偏移AMPmax,较低的SSI和较高的手术前折射误差等因素可能导致SMILE中术后折射结果不够理想.
- 机器学习有效地识别了影响SMILE折射结果的关键参数.
