Silmänpaineen arviointi sarveiskalvon taittavien leikkausten jälkeen tekoälyn avulla (AIOP-CRS-AI)

Merkitys, tausta ja nykytila Tutkimukset osoittavat, että likinäköisyyden maailmanlaajuinen keskimääräinen esiintyvyys on 22 %, ja kaukonäköisyyden esiintyvyys on samanlainen. Kiinassa likinäköisyyden esiintyvyys on 31 %, mikä tekee siitä yhden maista, joissa on korkeimmat likinäköisyysluvut. Tällä hetkellä sarveiskalvon taittokirurgian (CRS), kuten LASIK ja SMILE, turvallisuus ja tehokkuus likinäköisyyden, kaukonäköisyyden ja muiden taittovirheiden korjaamisessa on hyvin vakiintunut. Yhä useammat potilaat käyvät läpi CRS-toimenpiteen vähentääkseen taittovirheistä aiheutuvia haittoja. Vaikka LASIKia on pitkään pidetty klassisena toimenpiteenä, pieniviiltoinen linssin erottelu (SMILE) likinäköisyyden korjaamiseksi on vuodesta 2008 lähtien kehittynyt yhdeksi valtavirtauksen kirurgisista tekniikoista. Taittokirurgian nopean kehityksen myötä leikkauksen jälkeisten komplikaatioiden minimoiminen samalla kun ylläpidetään erinomaisia visuaalisia tuloksia, on noussut kliinikkojen keskeiseksi tavoitteeksi. Leikkauksen jälkeinen silmänpaineen (IOP) seuranta on ratkaiseva havainnointiindikaattori.

Teoreettisesti IOP:n ei tulisi muuttua merkittävästi CRS:n jälkeen, koska leikkaus ei vaikuta kammionesteen dynamiikkaan tai silmän tilavuuteen. Lukuisat tutkimukset kuitenkin osoittavat, että sarveiskalvon muodon ja biomekaanisten ominaisuuksien, erityisesti sarveiskalvon ohenemisen, muutokset johtavat keinotekoisesti alhaisiin IOP-lukemiin eri tonometreilla, erityisesti niillä, jotka ovat riippuvaisia sarveiskalvon paksuudesta. Lisäksi leikkauksen jälkeinen hoito vaatii usein pitkäaikaista kortikosteroidisilmätippojen käyttöä tulehduksen hillitsemiseksi ja haavan paranemisen edistämiseksi. Pitkäaikainen steroidien käyttö voi lisätä kammionesteen ulosvirtausvastusta, mikä nostaa IOP:tä, erityisesti steroideille reagoivilla henkilöillä, ja voi johtaa steroidien aiheuttamaan glaukoomaan. Korkea likinäköisyys on myös tunnettu riskitekijä primaariselle avokulmaglaukoomalle. Siksi, leikkauksen edeltävien ja jälkeisten sarveiskalvon parametrien muutosten perusteella, todellisen IOP-tason nopea ja tehokas määrittäminen CRS:n jälkeen on erittäin tärkeää kliinisen lääkityksen ohjauksessa ja steroidien aiheuttaman glaukooman seulonnassa.

Suuret tietovarannot ja tekoäly (AI) ovat yhä enemmän käytössä lääketieteessä. AI käsittää pääasiassa kaksi teknistä haarautumaa: koneoppiminen (ML) ja syväoppiminen. ML, uusi AI-teknologia, on herättänyt huomattavaa kiinnostusta lääketieteellisissä sovelluksissa viime vuosina. Se sisältää tyypillisesti tietokonesimulaatioita, jotka yhdistävät ihmismäisen oppimisen, hiovat tietorakenteita ja parantavat jatkuvasti suorituskykyä diagnoosin ja älykkään päätöksenteon avuksi, ja siitä on tullut keskeinen menetelmä AI:ssa. Hermoverkkoprosessien kaltaisesti ML-järjestelmät koulutetaan valituilla syöttötiedoilla sopivien algoritmien avulla tuottamaan vastaavia tulosteita. Sitä käytetään nykyään laajalti monimutkaisten ongelmien ratkaisemiseen tekniikassa ja tieteessä. Oftalmologiassa AI/ML on saanut huomiota tautien havaitsemisen ja seurannan avustamisessa, ja se on osoittanut etujaan silmänpohjakuvien diagnostiikassa, keratoconus-seulonnoissa ja glaukooman luokittelussa. Sarveiskalvon taittokirurgiassa ML:tä on käytetty preoperatiivisten parametrien suunnitteluun ja tulosten optimointiin, ja se on osoittanut hyvää turvallisuutta, tehokkuutta ja ennustettavuutta. Alustavia yrityksiä on tehty käyttää AI-päätöspuita Arvioitaessa CRS:n turvallisuutta ja tehokkuutta.

Tämän edistyneen teknologian ja aiempien tutkimustulostemme pohjalta – jotka viittaavat siihen, että IOPcc ja Pentacamista johdetut korjauskaavat (jossa Shahin korjausmenetelmä on suositeltava) antavat suhteellisen luotettavia IOP-arvioita SMILE:n jälkeen – tämä tutkimus pyrkii rakentamaan datavetoisen mallin. Käyttämällä Shah-korjattua IOP:tä viitekohtana määrittääksemme leikkauksen jälkeisen IOP-tilan, koulutamme ja iteratiivisesti optimoimme mallin sisällyttämällä kaikki merkitykselliset ennen ja jälkeen leikkauksen olevat parametrit, jotka saattavat vaikuttaa IOP:hen. Tavoitteena on ennustaa todellinen IOP CRS:n jälkeen, siten helpottaen leikkauksen jälkeistä seurantaa, mahdollistamalla varhainen IOP-kohoamisen havaitseminen ja tunnistaen mahdollinen glaukooma-alttius.