Evaluering af IØT efter korneal refraktiv kirurgi baseret på AI (AIOP-CRS-AI)

Betydning, baggrund og aktuel status Undersøgelser viser, at den globale gennemsnitlige forekomst af myopi er 22%, med hyperopi-forekomsten værende tilsvarende. I Kina er myopi-forekomsten 31%, hvilket gør det til et af landene med de højeste rater af myopi. I øjeblikket er sikkerheden og effekten af hornhinderefraktionskirurgi (CRS), såsom LASIK og SMILE, til korrektion af myopi, hyperopi og andre refraktive fejl veletablerede. Et stigende antal patienter gennemgår CRS for at mindske de ulemper, der er forårsaget af refraktive fejl. Mens LASIK længe har været betragtet som en klassisk procedure, er det siden den første rapport om Small Incision Lenticule Extraction (SMILE) til myopi-korrektion i 2008 blevet en af de dominerende kirurgiske teknikker. Med den hurtige udvikling af refraktiv kirurgi er minimering af postoperative komplikationer, samtidig med at man opretholder fremragende visuelle resultater, blevet et hovedfokus for klinikere. Postoperativ intraokulært tryk (IOP)-overvågning er en afgørende observationsindeks.

Teoretisk set bør IOP ikke ændre sig væsentligt efter CRS, da operationen ikke påvirker kammervæskedynamikken eller det intraokulære volumen. Imidlertid indikerer talrige undersøgelser, at ændringer i hornhindens form og biomekaniske egenskaber, især udtynding af hornhinden, fører til kunstigt lave IOP-aflæsninger med forskellige tonometre, især dem der er afhængige af hornhindetykkelse. Desuden kræver postoperativ behandling ofte langvarig brug af kortikosteroid-øjendråber for at undertrykke inflammation og fremme sårheling. Langvarig steroidbrug kan øge modstanden mod udstrømning af kammervæske, hvilket forhøjer IOP, især hos steroidrespondere, og potentielt føre til steroid-induceret glaukom. Desuden er høj myopi en kendt risikofaktor for primær åbenvinkelglaukom. Derfor baseret på præoperative og postoperative hornhindeparameterændringer, at hurtigt og effektivt bestemme det faktiske IOP-interval efter CRS er af stor betydning for at vejlede klinisk medicinering og screening for steroid-induceret glaukom.

Store data og kunstig intelligens (AI) anvendes i stigende grad i medicin. AI inkluderer primært to tekniske grene: maskinlæring (ML) og dybdelæring. ML, en ny AI-teknologi, har opnået betydelig interesse i medicinske anvendelser i de senere år. Det indebærer typisk computersimulationer, der integrerer menneskelignende læring, forfiner vidensstrukturer og løbende forbedrer ydeevnen for at hjælpe med diagnose og intelligent beslutningstagning, bliver en afgørende metode i AI. Ligesom neurale netværksprocesser trænes ML-systemer på udvalgte inputdata ved brug af passende algoritmer til at producere tilsvarende output. Det anvendes nu bredt til at løse komplekse problemer inden for ingeniørvidenskab og videnskab. Inden for oftalmologi har AI/ML opnået opmærksomhed for at assistere i sygdomsdetektion og -overvågning, hvilket demonstrerer fordele i diagnose af fundus-billeder, screening for keratokonus og klassifikation af glaukom. Inden for hornhinderefraktionskirurgi er ML blevet anvendt til præoperativ parameterdesign og optimering af resultater, hvilket viser god sikkerhed, effektivitet og forudsigelighed. Foreløbige forsøg er blevet gjort for at bruge AI-beslutningstræer til at evaluere sikkerhed og effektivitet af CRS.

Med udgangspunkt i denne avancerede teknologi og vores tidligere forskningsresultater—som antyder, at IOPcc og Pentacam-afledte korrektionsformler (med Shah-korrektionsmetoden foretrukket) giver relativt pålidelige IOP-estimater efter SMILE—sigter denne undersøgelse mod at etablere en datadrevet model. Ved at bruge Shah-korrigeret IOP som reference til at definere postoperativ IOP-status vil vi træne og iterativt optimere en model ved at inkludere alle relevante præoperative og postoperative parametre, der potentielt påvirker IOP. Målet er at forudsige den sande IOP efter CRS, derved vejlede postoperativ opfølgning, lette tidlig opdagelse af IOP-forhøjelse og identificere potentielle glaukomtendenser.