Применение алгоритмов машинного обучения для повышения точности результатов лазерной коррекции зрения

Лазерная коррекция зрения (ЛКЗ) представляет собой высокотехнологичный метод коррекции аномалий рефракции, эффективность которого во многом зависит от точности предоперационной диагностики, индивидуализации параметров вмешательства и прогнозирования исходов. В последние годы всё активнее интегрируются алгоритмы машинного обучения (МО) на различных этапах ЛКЗ, способствуя трансформации офтальмохирургической практики в сторону персонализированного подхода. Цель данного обзора — систематизировать современные достижения в применении МО в лазерной рефракционной хирургии. В предоперационном периоде МО позволяет с высокой точностью отбирать пациентов, выявлять противопоказания (включая кератоконус), выбирать оптимальный метод вмешательства и рассчитывать параметры абляции. Используемые алгоритмы, включая «случайный лес», XGBoost и глубокие нейронные сети, демонстрируют превосходные показатели чувствительности и специфичности, нередко превосходя традиционные клинические методы. В послеоперационном периоде МО применяется для прогнозирования зрительных исходов, риска регрессии и необходимости повторной коррекции. Несмотря на высокую прогностическую точность, текущее применение искусственного интеллекта (ИИ) ограничено ретроспективным характером данных, отсутствием масштабной клинической валидации и необходимостью дальнейшей интеграции в клинические процессы. Обзор подчеркивает значимость дальнейших исследований для стандартизации, интероперабельности и регуляторной приемлемости ИИ-решений в офтальмологии.

1. Chang JY, Lin PY, Hsu CC, Liu CJ. Comparison of clinical outcomes of LASIK, Trans-PRK, and SMILE for correction of myopia. J Chin Med Assoc. 2022 Feb 1; 85 (2): 145–51. doi: 10.1097/JCMA.0000000000000674

2. Нероев В.В., Зайцева О.В., Петров С.Ю., Брагин А.А. Применение искусственного интеллекта в офтальмологии: настоящее и будущее. Российский офтальмологический журнал. 2024; 17 (2): 135–41. https://doi.org/10.21516/2072-0076-2024-17-2-135-141

3. Choi JY, Kim DE, Kim SJ, et al. Application of multimodal large language models for safety indicator calculation and contraindication prediction in laser vision correction. NPJ Digital Medicine. 2025; 8 (1): 82. https://doi.org/10.1038/s41746-025-01487-4

4. Kundu G, Virani I, Shetty R, et al. Role of artificial intelligence in determining factors impacting patients’ refractive surgery decisions. Indian Journal of Ophthalmology. 2023; 71 (3): 810–7. https://doi.org/10.4103/ijo.ijo_2718_22

5. Yoo TK, Ryu IH, Lee G, et al. Adopting machine learning to automatically identify candidate patients for corneal refractive surgery. NPJ Digit Med. 2019 Jun 20; 2: 59. doi: 10.1038/s41746-019-0135-8

6. Yoo TK, Ryu IH, Choi H, et al. Explainable machine learning approach as a tool to understand factors used to select the refractive surgery technique on the expert level. Transl Vis Sci Technol. 2020 Feb 12; 9 (2): 8. doi: 10.1167/tvst.9.2.8

7. Xie Y, Zhao L, Yang X, et al. Screening candidates for refractive surgery with corneal tomographic-based deep learning. JAMA Ophthalmol. 2020 May 1; 138 (5): 519–26. doi: 10.1001/jamaophthalmol.2020.0507

8. Li J, Dai Y, Mu Z, et al. Choice of refractive surgery types for myopia assisted by machine learning based on doctors’ surgical selection data. BMC Med Inform Decis Mak. 2024 Feb 8; 24 (1): 41. doi: 10.1186/s12911-024-02451-0

9. Park S, Kim H, Kim L, et al. Artificial intelligence-based nomogram for smallincision lenticule extraction. Biomed Eng Online. 2021 Apr 23; 20 (1): 38. doi: 10.1186/s12938-021-00867-7

10. Luft N, Mohr N, Spiegel E, et al. Optimizing refractive outcomes of SMILE: Artificial Intelligence versus Conventional State-of-the-Art Nomograms. Curr Eye Res. 2024 Mar; 49 (3): 252–9. doi: 10.1080/02713683.2023.2282938

11. Wan Q, Yue S, Tang J, et al. Prediction of early visual outcome of smallincision lenticule extraction (SMILE) based on deep learning. Ophthalmol Ther. 2023 Apr; 12 (2): 1263–79. doi: 10.1007/s40123-023-00680-6

12. Balidis M, Papadopoulou I, Malandris D, et al. Using neural networks to predict the outcome of refractive surgery for myopia. 4open. 2019; 229. https://doi.org/10.1051/fopen/2019024