个性化预测SMILE后的折射结果,使用机器学习的诺米图
Jianwei Zhai1, Meixia Hu, Qiyun Tan
1Ophthalmology, LiuZhou Red Cross Hospital, Eye Hospital Of LiuZhou City, Liuzhou, Guangxi, China.
Medicine
|January 10, 2026
概括
这项研究开发了一种机器学习名图,用于预测小切割镜片提取 (SMILE) 后的折射结果. 该工具准确预测结果,提高了折射手术规划的精度.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 数据科学数据科学数据科学
背景情况:
- 小切口镜片提取 (Small Incision Lenticule Extraction,简称SMILE) 是一种用于近视和近视的折射性手术.
- 准确预测折射结果对于患者满意度和手术成功至关重要.
研究的目的:
- 开发和验证一个个性化,机器学习驱动的名录,用于预测SMILE后的折射结果.
- 为了提高折射手术规划的精度和可预测性.
主要方法:
- 对1253只接受SMILE治疗的眼睛进行了回顾性分析.
- 使用临床专业知识和统计方法进行特征选择.
- 训练和评估四种机器学习模型 (线性回归,决策树,随机森林,神经网络).
主要成果:
- 随机森林模型获得了最高的预测性能 (MAE:0.18 D,RMSE:0.24 D,R2:0.92).
- 最终的名图包含了11个关键预测因素,并显示出强大的外部验证.
- 92.3%和99.4%的眼睛在±0.50 D和±1.00 D的预期校正范围内取得了结果.
结论:
- 一个机器学习衍生的个性化名图为预测SMILE折射结果提供了一个非常准确的工具.
- 这种名图可以提高临床折射手术规划的精度和可预测性.
- 该工具是可转移的,可以帮助优化个人患者的手术规划.
