Модели искусственной нейронной сети для расчета оптической силы интраокулярных линз: сравнение с формулами четвертого поколения

Цель работы — разработка модели для предоперационного расчета оптической силы интраокулярных линз (ИОЛ) на основе искусственных нейронных сетей (ИНС-модель) с открытой архитектурой, обучение модели на локальных эмпирических данных и сравнение погрешности модели с современными формулами четвертого поколения.

Материал и методы. Исходный датасет представлял собой обезличенные данные пациентов Тамбовского филиала «МНТК “Микрохирургия глаза” им. академика С.Н. Федорова» и содержал 890 записей, включающих рефракцию сильного и слабого меридиана роговицы до операции, длину глаза, глубину передней камеры, толщину хрусталика, A-константу используемой модели ИОЛ. В качестве выходной величины выбрана требуемая оптическая сила ИОЛ. Для разработки ИНС-моделей использовали фреймворки машинного обучения языка Python. Все технологические процессы осуществляли в Google Colaboratory. Для оценки качества ИНС-моделей использовали среднюю относительную погрешность и процент попадания расчетных значений в целевой диапазон ±0,5 дптр.

Результаты. На значительном количестве локальных данных оценена точность формул четвертого поколения, используемых для предоперационного расчета оптической силы ИОЛ: Barrett Universal II, Hill-RBF, Kane и Pearl DGS. Средняя относительная погрешность составляет 2,67–3,21 %, процент попаданий расчетных значений в диапазон ±0,5 дптр — от 55 до 68 %. ИНС-модель на основе машинного обучения позволяет проводить расчет данного показателя с погрешностью 2,33 % при попадании расчетных значений в целевой диапазон порядка 74 %.

Заключение. Разработанная ИНС-модель может быть использована в системах поддержки принятия решений врачами-офтальмологами в виде специализированного калькулятора.

1. StopyraW, Cooke DL, Grzybowski AA. Review of intraocular lens power calculation formulas based on artificial intelligence. Journal of Clinical Medicine. 2024; 13, 498. https://doi.org/10.3390/jcm13020498

2. Yamauchi T, Tabuchi T, Takase K, Masumoto H. Use of a machine learning method in predicting refraction after cataract surgery. Journal of Clinical Medicine. 2021; 10, 1103. doi: 10.3390/jcm10051103

3. Kuthirummal N, Vanathi M, Mukhija R, et al. Evaluation of Barrett universal II formula for intraocular lens power calculation in Asian Indian population. Indian J. Ophthalmol. 2020; 68 (1): 59–64. doi: 10.4103/ijo.IJO_600_19

4. Арзамасцев А.А., Фабрикантов О.Л., Зенкова Н.А., Беликов С.В. Применение технологии машинного обучения для прогнозирования оптической силы интраокулярных линз: генерализация диагностических данных. Digital Diagnostics. 2024. 5 (1): 53–63.