人工智能预测手术后的旋转稳定性 在Toric植入式 Collamer 镜头植入后

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 胸部植入式膜透镜 (TICL) 手术是纠正折射误差的常见手术.
• 手术后的TICL旋转会导致低于最佳的折射结果和视觉障碍.
• 预测TICL旋转及其后果对于优化手术结果至关重要.

研究的目的:

• 开发和评估人工智能 (AI) 模型,用于预测术后TICL旋转.
• 评估TICL旋转对折射和视觉敏度的影响.
• 确定影响视觉结果并需要干预的关键旋转值.

主要方法:

• 利用了来自371名接受TICL手术的患者642只眼睛的数据.
• 采用回归模型来预测旋转度和对旋转相关并发症的分类模型.
• 使用RMSE,R2,精度和AUC等指标评估模型性能;对不同级别的白进行子组分析.

主要成果:

• 表格式先前数据拟合网络 (TabPFN) 在预测TICL旋转方面表现出卓越的准确性 (RMSE: 10.672 ± 5.880).
• 在预测与旋转相关的并发症方面,TabPFN实现了高准确度 (0.906-0.981),包括用于预测重新调整手术的近乎完美的精度 (0.990 ± 0.006).
• 确定了在不同眼群体中影响眼症和视力敏度的特定旋转切线值,AUC从0.65到0.93.

结论:

• 人工智能模型,特别是TabPFN,是预测术后TICL旋转和相关视觉结果的有效工具.
• 这些人工智能模型提供了有价值的预测见解,协助眼科医生进行手术规划和患者管理.
• 这项研究强调了人工智能在眼科的成功整合,以提高折射手术的精度和可预测性.