使用人工智能预测可植入的粘合器镜头:一个低参数依赖模型,以获得更好的外科结果
Peien Sheng1, Yinan Liu1, Mingyue Shen1
1Department of Ophthalmology, Peking University Third Hospital, 49th North Garden Road, Haidian District, Beijing, People's Republic of China.
Translational vision science & technology
|September 23, 2025
概括
人工智能准确地预测植入式合镜头 (ICL) ,识别关键影响因素. 这种人工智能模型通过最小化异常的术后,提高了ICL手术的安全性.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 准确预测可植入结合镜片 (ICL) 顶对于成功的折射手术至关重要.
- 传统的方法往往与手术前的参数和术后的密室之间的复杂,非线性关系作斗争.
研究的目的:
- 开发和验证一个人工智能 (AI) 模型来预测ICL vault.
- 使用人工智能解释各种手术前参数对ICL金库的贡献.
主要方法:
- 使用了极端梯度增强 (XGBoost) 机器学习算法.
- 247只眼睛的数据集用于培训和测试,另外50只眼睛用于外部验证.
- 为了模型的可解释性,使用了夏普利添加式扩展 (SHAP).
主要成果:
- 人工智能模型在预测ICL金库方面表现强,测试和验证集的错误指标低.
- 影响宝库的关键参数包括水平至距离 (STS),水平压缩 (HC),前腔深度 (ACD) 和白至白距离 (WTW).
- 镜片厚度 (LT) 和晶状镜片升高 (CLR) 对顶产生了负面影响,而女性性别与更高的顶有关.
结论:
- 一个强大的,人工智能驱动的ICL金库预测模型被成功构建.
- 该模型表现出较低的参数依赖性和高的可解释性,为金库决定因素提供了有价值的见解.
