全角膜内皮细胞活力的深度学习辅助评估的验证
Matteo Airaldi1,2,3, Filippo Airaldi4, Zhuangzhi Gao3
1Department of Molecular and Translational Medicine, University of Brescia, Brescia, Italy.
Translational vision science & technology
|September 15, 2025
概括
使用深度学习的新V-CHECK方法准确评估了捐赠者的角膜内皮细胞生存能力. 这种自动化分析提供了可重复的结果,改善了组织质量评估,以获得更好的外科手术结果.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 角膜移植依赖于健康的供体角膜.
- 对内皮细胞活性的准确的术前评估对于移植成功至关重要.
- 目前评估内皮细胞活力的方法可能是主观的,耗时的.
研究的目的:
- 为了验证一项新的自动化分析,V-CHECK方法,用于手术前的全角膜内皮细胞活力.
- 将V-CHECK方法的结果与黄金标准手动评估进行比较.
主要方法:
- 一项临床前实验研究,使用了不适合移植的19个捐赠角膜.
- 死细胞和剥离的区域被试蓝 (TB) 染色.
- 内皮细胞死亡率由眼睛银行技术人员手动评估,并通过使用结核病阳性区域 (TBPA) 深度学习细分的V-CHECK方法自动评估.
- 使用布兰德-阿尔特曼分析和相关性测试来评估协议.
主要成果:
- 在V-CHECK方法准确细分角膜内皮和TBPAs.
- 在V-CHECK方法和黄金标准之间发现了强烈的正相关性 (Pearson的 ρ,0.76-0.81).
- V-CHECK 方法报告了略高的平均内皮细胞死亡率 (平均差异为6.5%至9.5%).
结论:
- V-CHECK 方法提供了一种可重复的方法来估计捐赠者角膜内皮细胞活力.
- 将V-CHECK整合到手术前评估中可以提高捐赠组织评估.
- 这种技术支持一致的组织质量和最佳的手术结果.
