Hodnocení IOP po refrakční chirurgii rohovky na základě AI (AIOP-CRS-AI)

Význam, pozadí a současný stav. Studie ukazují, že celosvětová průměrná prevalence krátkozrakosti je 22 %, přičemž výskyt dalekozrakosti je podobný. V Číně činí prevalence krátkozrakosti 31 %, což z ní činí jednu ze zemí s nejvyšší mírou krátkozrakosti. V současnosti je bezpečnost a účinnost rohovkové refrakční chirurgie (CRS), jako jsou LASIK a SMILE, pro korekci krátkozrakosti, dalekozrakosti a jiných refrakčních vad dobře prokázána. Stále více pacientů podstupuje CRS ke zmírnění nepříjemností způsobených refrakčními vadami. Zatímco LASIK byl dlouho považován za klasický zákrok, od první zprávy o extrakci lentikuly malým řezem (SMILE) pro korekci krátkozrakosti v roce 2008 se vyvinul v jednu z hlavních chirurgických technik. S rychlým pokrokem refrakční chirurgie se minimalizace pooperačních komplikací při zachování vynikajících zrakových výsledků stala hlavním zaměřením kliniků. Pooperační monitorování nitroočního tlaku (IOP) je klíčovým ukazatelem.

Teoreticky by se IOP po CRS neměl výrazně změnit, protože chirurgický zákrok neovlivňuje dynamiku komorové vody ani nitrooční objem. Mnohé studie však naznačují, že změny tvaru a biomechanických vlastností rohovky, zejména ztenčení rohovky, vedou k uměle nízkým hodnotám IOP u různých tonometrů, zejména těch, které jsou závislé na tloušťce rohovky. Kromě toho pooperační léčba často vyžaduje dlouhodobé užívání kortikosteroidních očních kapek k potlačení zánětu a podpoře hojení ran. Dlouhodobé užívání steroidů může zvýšit odtokový odpor komorové vody, což zvyšuje IOP, zejména u respondentů na steroidy, a potenciálně vést ke steroidy indukovanému glaukomu. Navíc je vysoká krátkozrakost známým rizikovým faktorem primárního glaukomu s otevřeným úhlem. Proto je na základě předoperačních a pooperačních změn parametrů rohovky rychlé a účinné stanovení skutečného rozmezí IOP po CRS velmi důležité pro vedení klinické medikace a screening steroidy indukovaného glaukomu.

Velká data a umělá inteligence (AI) jsou stále častěji využívány v medicíně. AI zahrnuje především dvě technické větve: strojové učení (ML) a hluboké učení. ML, nová technologie AI, v posledních letech vyvolala značný zájem v lékařských aplikacích. Obvykle zahrnuje počítačové simulace, které integrují lidské učení, zdokonalují znalostní struktury a neustále zlepšují výkon, aby pomohly diagnostice a inteligentnímu rozhodování, a stává se klíčovou metodou v AI. Podobně jako procesy neuronových sítí jsou systémy ML trénovány na vybraných vstupních datech pomocí vhodných algoritmů k produkci odpovídajících výstupů. Nyní se široce používá k řešení složitých problémů ve strojírenství a vědě. V oftalmologii získala AI/ML pozornost pro pomoc při detekci a monitorování onemocnění a prokazuje výhody v diagnostice snímků sítnice, skríningu keratokonu a klasifikaci glaukomu. V rohovkové refrakční chirurgii bylo ML aplikováno na předoperační návrh parametrů a optimalizaci výsledků, což ukazuje dobrou bezpečnost, účinnost a předvídatelnost. První pokusy byly učiněny pomocí rozhodovacích stromů AI k hodnocení bezpečnosti a účinnosti CRS.

Na základě této pokročilé technologie a našich předchozích výzkumných zjištění – která naznačují, že IOPcc a korekční vzorce odvozené z Pentacamu (s výhodou Shahovy korekce) poskytují relativně spolehlivé odhady IOP po SMILE – tato studie si klade za cíl vytvořit datově řízený model. S použitím Shah-korigovaného IOP jako reference pro definování pooperačního stavu IOP trénujeme a iterativně optimalizujeme model zahrnutím všech relevantních předoperačních a pooperačních parametrů, které mohou ovlivnit IOP. Cílem je predikovat skutečný IOP po CRS, a tím řídit pooperační sledování, usnadnit včasnou detekci zvýšení IOP a identifikovat potenciální glaukomatózní tendence.