预测ICL植入后使用外科外科外科外科手术的预测:模型的建立和应用
1Shaanxi Eye Hospital, Xi'an People's Hospital (Xi'an Fourth Hospital), Affiliated People's Hospital of Northwest University, Xi'an 710004, Shaanxi Province, China.
Journal of cataract and refractive surgery
|February 16, 2026
概括
这项研究表明,手术内光学连贯断层扫描 (iOCT) 可以准确地预测眼内膜镜片 (ICL) 手术后的术后. 使用iOCT数据的机器学习模型有助于优化ICL放置以获得更好的结果.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 眼内膜镜片 (ICL) 植入是一种常见的折射手术.
- 准确的ICL放置对于实现最佳的术后体和视觉结果至关重要.
- 实时的手术内测量可以帮助进行手术调整.
研究的目的:
- 开发一个机器学习 (ML) 模型,使用手术内光学连贯性断层扫描 (iOCT) 数据.
- 预测ICL植入后手术后的顶高度.
- 为了指导实时ICL定向调整,以改善地库的结果.
主要方法:
- 一个潜在的病例系列,涉及106名接受ICL手术的患者 (158只眼睛).
- 在ICL安置后立即使用iOCT捕获了手术内密室测量.
- 在多次随访间隔中,使用前段OCT (AS-OCT) 评估了术后.
- 用IOCT数据训练和验证了ML模型,以预测术后的.
主要成果:
- 随机森林ML模型证明了术后预测的高准确性.
- 平均绝对误差为106.48±19.23μm,在各种误差值中具有很高的准确性 (例如,在±150μm内94.9%).
- 在预测和实际的金库测量之间观察到很强的一致性,偏差最小.
结论:
- 在手术期间的OCT提供了准确的实时测量.
- 开发的ML模型可靠地预测了手术后的金库尺寸.
- 这种数据驱动的方法可以在手术期间优化ICL定向,从而有可能提高临床结果.
