Екатерина Кирилловна Цыренжапова — канд. мед. наук, врачофтальмолог 1-го офтальмологического отделения
ул. Лермонтова, д. 337, Иркутск, 664033
Ekaterina K. Tsyrenzhapova — Cand. of Med. Sci., ophthalmologist, 1st ophthalmological department
337, Lermontov St., Irkutsk, 664033
Ольга Ивановна Розанова — д-р мед. наук, заведующая научнообразовательным отделом, врач-офтальмолог; ассистент кафедры офтальмологии
ул. Лермонтова, д. 337, Иркутск, 664033
мкрн Юбилейный, д. 100, Иркутск, 664049
Olga I. Rozanova — Dr. of Med. Sci., head of the scientific and educational department, ophthalmologist; assistant professor, chair of ophthalmology
337, Lermontov St., Irkutsk, 664033
100, micro district Ubileiny, Irkutsk, 664049
Исай Моисеевич Михалевич — канд. геолого-минералогических наук, доцент, заведующий кафедрой информатики
мкрн Юбилейный, д. 100, Иркутск, 664049
Isai M. Mikhalevich — Cand. of Geology Sci., associate professor, head of chair of computer science
100, micro district Ubileiny, Irkutsk, 664049
Иван Сергеевич Розанов — программист
ул. 3-я Песчаная, д. 2а, Москва, 125252
Ivan S. Rozanov — application programmer
2а, 3d Peschanaya St., Moscow, 125252
Посткератотомическая деформация роговицы (ПКДР) создает значительную сложность при расчете интраокулярных линз (ИОЛ). Традиционные методы оценки топографии роговицы могут быть подвержены субъективным ошибкам, что диктует необходимость разработки автоматизированных решений на основе искусственного интеллекта (ИИ).
Цель работы — разработка и валидация нейросетевой модели для автоматизированного анализа топографических данных роговицы с целью повышения точности расчета ИОЛ у пациентов с ПКДР.
Материал и методы. Использованы обезличенные результаты медицинской документации 450 пациентов (возраст от 45 до 78 лет) в отдаленном периоде после радиальной кератотомии (РК), из них 95 пациентов были прооперированы по поводу катаракты. Всем пациентам помимо стандартного офтальмологического обследования проведена шеймпфлюг-визуализация роговицы (Pentacam HR, Oculus, Германия). Использованы многофакторные методы анализа, разработан математический алгоритм классификации.
Результаты. Разработанный прототип нейросетевой модели способен автоматически классифицировать топографические данные роговицы на шесть типов. На основании послеоперационных рефракционных данных рассчитан прогнозируемый рефракционный результат и поправочные коэффициенты для расчета ИОЛ по различным формулам.
Заключение. Технологии ИИ и база поправочных коэффициентов могут стать основой для оптимизированного расчета оптической силы ИОЛ у пациентов с ПКДР.
Postkeratotomy corneal deformation (PKCD) has significant complexity in the calculation of intraocular lenses (IOL). Traditional methods of corneal topography assessment have errors, which dictates the need to develop automated solutions based on artificial intelligence (AI).
Purpose: to develop and validate a neural network model for automated analysis of corneal topographic data in order to improve the accuracy of IOL calculation in patients with PKRD.
Materials and methods. Anonymized results of medical records of 450 patients (aged 45 to 78 years) in the late period after radial keratotomy (RK) were used (95 patients underwent cataract surgery). In addition to the standard ophthalmological examination, all patients underwent Scheimpflug-imaging (Pentacam HR, Oculus, Germany). Multivariate analysis methods were carried out, a mathematical classification algorithm was developed.
Results. The developed prototype of the neural network model is able to automatically classify corneal topographic data into six types. Based on the postoperative refractive data, the predicted refractive result and correction factors for calculating the IOL using various formulas were calculated.
Conclusion. AI technologies and the correction factor database can become the basis for optimized calculation of the IOL optical power in patients with PCDR.
The authors declare that there are no conflicts of interest present.