机器学习模型用于预测在患有角质的患者中进行肌内角膜环手术后视觉敏度的改善
Eva Perez1, Nassim Louissi1, Sofiene Kallel1
1GRC 32, Transplantation et Thérapies Innovantes de La Cornée, TTIC, Hôpital National des 15-20, Sorbonne Université, Paris, France; and.
Cornea
|July 23, 2025
概括
机器学习准确地预测了在角膜 (角膜疾病) 手术后的视觉改善. 这种人工智能工具有助于选择患者并预测宫内环段植入的结果,改善手术决策.
科学领域:
- 眼科医生 眼科 眼科
- 角质外科手术 角质外科手术
- 人工智能在医学中的应用
背景情况:
- 角膜是一种渐进的角膜疾病,导致视力丧失.
- 宫内环段植入会重塑角膜,但视觉结果变化不定.
- 预测手术后的术后视力增长是具有挑战性的.
研究的目的:
- 调查机器学习用于预测形患者的术后视力敏度.
- 增强外科手术决策,用于腹腔内环段植入.
- 确定视觉改善的关键预测因素.
主要方法:
- 追溯分析了来自102名角患者的120只眼睛.
- 收集了手术前和手术后的折射,角膜拓和断层扫描数据.
- 训练了各种机器学习模型,以预测视觉敏度的改善.
主要成果:
- XGBoost模型实现了完美的视觉改善预测 (R2 = 1.0,尤登指数 = 1.0).
- CatBoost模型在预测视力敏度 (R2=0.59),角质量测量 (R2=0.76) 和浅球度 (R2=0.54) 中表现出强的表现.
- 关键预测因素包括手术前的角质测量,角膜度和视力敏度.
结论:
- 机器学习证明了在形手术中患者选择的巨大潜力.
- 人工智能模型可以准确地预测环段植入后的术后视觉结果.
- 这种方法可以优化手术规划和患者管理.
