评估基于人工智能的工具的预测准确度,用于术后预估Phakic眼内透镜植入物中的术后
Roger Zaldivar1, Roberto Zaldivar1, Arthur B Cummings2
1Department of Refractive & Cataract Surgery, Instituto Zaldivar, Mendoza, Argentina.
Clinical ophthalmology (Auckland, N.Z.)
|June 30, 2025
概括
一个人工智能工具准确地预测近视患者接受植入式结合镜片 (ICL) 的术后. 这项技术可以改善ICL大小,减少并发症.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 发光性眼内透镜 (ICL) 用于纠正折射误差.
- 实现最佳的术后保险库对于尽量减少ICL并发症至关重要.
- 目前用于预测金库的现有方法可能缺乏精度.
研究的目的:
- 评估基于人工智能的工具的预测准确度,以估计在接受ICL植入的近视患者的术后.
- 用高分辨率超声波生物显微镜 (UBM) 成像和生物识别数据来评估工具的性能.
主要方法:
- 这是一项追溯的多中心研究,涉及228名近视患者的347只眼睛.
- 术前的生物识别参数和UBM成像与人工智能工具一起用于预测vault.
- 预测的密室值与术后1天和1个月的临床测量值进行了比较.
主要成果:
- 人工智能工具显示了临床上可接受的准确性,预测和测量的顶在1天内的平均标记差异为-12.81μm (r2=0.621,p<0.001).
- 预测在四个国际中心稳定,没有明显的中心间差异.
- 识别出ARise和球体功率是宝库差异的重要预测因素.
结论:
- 基于人工智能的工具 (ICLGuruTM) 可靠地预测近视患者的术后.
- 该工具在各种临床环境中展示了可通用性和一致性.
- 将其纳入术前规划可以提高ICL大小并减少并发症.
