Совершенствование диагностики посткератотомической деформации роговицы с использованием методов искусственного интеллекта для оптимизации расчета интраокулярных линз

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.

1. Kapoor R, Walters SP, Al-Aswad LA. The current state of artificial intelligence in ophthalmology. Surv Ophthalmol. 2019; 64 (2): 233–40. doi:10.1016/j.survophthal.2018.09.002

2. Zéboulon P, Debellemanière G, Bouvet M, Gatinel D. Corneal topography raw data classification using a convolutional neural network. Am J Ophthalmol. 2020; 219: 33–9. doi:10.1016/j.ajo.2020.06.005

3. Moshirfar M, Sperry RA, Altaf AW, Stoakes IM, Hoopes PC. Predictability of existing IOL formulas after cataract surgery in patients with a previous history of radial keratotomy: A retrospective cohort study and literature review. Ophthalmol Ther. 2024; 13 (6): 1703–22. doi:10.1007/s40123-024-00946-7

4. Moshirfar M, Ayesha A, Jaafar M, et al. Precision in IOL calculation for cataract patients with prior history of combined RK and LASIK histories. Clin Ophthalmol. 2024; 18: 1277–86. doi:10.2147/OPTH.S461988

5. Pan X, Wang Y, Li Z, Ye Z. Intraocular lens power calculation in eyes after myopic laser refractive surgery and radial keratotomy: Bayesian Network Metaanalysis. American Journal of Ophthalmology. 2023; 262: 48–61. doi: 10.1016/j.ajo.2023.09.026

6. Цыренжапова Е.К., Розанова О.И., Юрьева Т.Н., Иванов А.А., Розанов И.С. Технологии машинного обучения и искусственной нейронной сети в классификации посткератотомической деформации роговицы. Digital Diagnostics. 2024; 5 (1): 64–74. https://doi.org/10.17816/DD624022