Evaluación de la PIO tras cirugía refractiva corneal basada en IA (AIOP-CRS-AI)

Importancia, antecedentes y estado actual Los estudios muestran que la prevalencia mundial promedio de miopía es del 22%, con una prevalencia similar de hipermetropía. En China, la prevalencia de miopía es del 31%, lo que la convierte en uno de los países con las tasas más altas de miopía. Actualmente, la seguridad y eficacia de la cirugía refractiva corneal (CRC), como LASIK y SMILE, para corregir miopía, hipermetropía y otros errores refractivos están bien establecidas. Cada vez más pacientes se someten a CRC para aliviar las molestias causadas por los errores refractivos. Si bien LASIK ha sido considerado durante mucho tiempo como un procedimiento clásico, desde el primer informe de la extracción lenticular por pequeña incisión (SMILE) para la corrección de miopía en 2008, ha evolucionado hasta convertirse en una de las técnicas quirúrgicas principales. Con el rápido avance de la cirugía refractiva, minimizar las complicaciones postoperatorias manteniendo excelentes resultados visuales se ha convertido en un enfoque principal para los clínicos. La monitorización postoperatoria de la presión intraocular (PIO) es un índice de observación crucial.

Teóricamente, la PIO no debería cambiar significativamente después de la CRC, ya que la cirugía no afecta la dinámica del humor acuoso ni el volumen intraocular. Sin embargo, numerosos estudios indican que las alteraciones en la forma corneal y las propiedades biomecánicas, particularmente el adelgazamiento corneal, conducen a lecturas de PIO artificialmente bajas con varios tonómetros, especialmente aquellos dependientes del espesor corneal. Además, el manejo postoperatorio a menudo requiere el uso prolongado de gotas oftálmicas de corticosteroides para suprimir la inflamación y promover la cicatrización de heridas. El uso prolongado de esteroides puede aumentar la resistencia al flujo de salida del humor acuoso, elevando la PIO, particularmente en respondedores a esteroides, y potencialmente conduciendo a glaucoma inducido por esteroides. Adicionalmente, la miopía alta es un factor de riesgo conocido para el glaucoma primario de ángulo abierto. Por lo tanto, basándose en los cambios de los parámetros corneales pre y postoperatorios, determinar de manera rápida y efectiva el rango real de PIO después de la CRC es de gran importancia para guiar la medicación clínica y detectar el glaucoma inducido por esteroides.

Los macrodatos y la inteligencia artificial (IA) se aplican cada vez más en medicina. La IA incluye principalmente dos ramas técnicas: el aprendizaje automático (AA) y el aprendizaje profundo. El AA, una nueva tecnología de IA, ha suscitado un interés significativo en aplicaciones médicas en los últimos años. Típicamente, implica simulaciones por computadora que integran aprendizaje similar al humano, refinan las estructuras de conocimiento y mejoran continuamente el rendimiento para ayudar en el diagnóstico y la toma de decisiones inteligentes, convirtiéndose en un método fundamental en IA. Parecido a los procesos de redes neuronales, los sistemas de AA se entrenan con datos de entrada seleccionados utilizando algoritmos apropiados para producir salidas correspondientes. Ahora se usa ampliamente para resolver problemas complejos en ingeniería y ciencia. En oftalmología, la IA/AA ha ganado atención por ayudar en la detección y monitorización de enfermedades, demostrando ventajas en el diagnóstico de imágenes del fondo de ojo, detección de queratocono y clasificación del glaucoma. En cirugía refractiva corneal, el AA se ha aplicado al diseño de parámetros preoperatorios y optimización de resultados, mostrando buena seguridad, eficacia y predictibilidad. Se han realizado intentos preliminares de usar árboles de decisión de IA para evaluar la seguridad y eficacia de la CRC.

Basándose en esta tecnología avanzada y nuestros hallazgos de investigación previos, que sugieren que la PIOcc y las fórmulas de corrección derivadas del Pentacam (siendo preferible el método de corrección de Shah) proporcionan estimaciones de PIO relativamente fiables después de SMILE, este estudio tiene como objetivo establecer un modelo basado en datos. Utilizando la PIO corregida por Shah como referencia para definir el estado de PIO postoperatoria, entrenaremos y optimizaremos iterativamente un modelo incorporando todos los parámetros pre y postoperatorios relevantes que puedan afectar la PIO. El objetivo es predecir la PIO verdadera después de la CRC, orientando así el seguimiento postoperatorio, facilitando la detección temprana de elevación de la PIO e identificando posibles tendencias glaucomatosas.