角膜屈折矯正手術後のAIに基づく眼圧評価 (AIOP-CRS-AI)

重要性、背景、および現状 研究によると，近視の世界平均有病率は22％であり，遠視の発生率も同程度である。 中国では近視有病率が31％であり，近視率が最も高い国の一つである。 現在，近視，遠視，その他の屈折異常を矯正するための角膜屈折手術（CRS），例えばLASIKやSMILEの安全性と有効性は確立されている。 屈折異常による不便を軽減するためにCRSを受ける患者が増加している。 LASIKは長年にわたり古典的な手術とみなされてきたが，2008年に近視矯正のための小切開レンチキュラー摘出（SMILE）が初めて報告されて以来，主流の手術技術の一つに発展した。 屈折手術の急速な進歩に伴い，優れた視覚成績を維持しながら術後合併症を最小限に抑えることが臨床医の主要な関心事となっている。 術後眼圧（IOP）モニタリングは重要な観察指標である。<\/p>

理論的には，CRS後には眼圧は大きく変化すべきではない。なぜなら手術は房水動態や眼内体積に影響を与えないからである。 しかし，多くの研究は，角膜形状と生体力学的特性の変化，特に角膜菲薄化が，様々な眼圧計，特に角膜厚に依存するものにおいて，IOP測定値を実際より低くさせることを示している。 さらに，術後管理では，炎症を抑制し創傷治癒を促進するために，コルチコステロイド点眼薬の長期使用が必要となることが多い。 ステロイドの長期使用は房水流出抵抗を増加させ，特にステロイド反応者では眼圧を上昇させ，ステロイド誘発緑内障の可能性がある。 また，強度近視は原発開放隅角緑内障の既知の危険因子である。 したがって，術前と術後の角膜パラメータ変化に基づき，CRS後の実際のIOP範囲を迅速かつ効果的に決定することは，臨床薬剤投与とステロイド誘発緑内障のスクリーニングを指導する上で非常に重要である。<\/p>

ビッグデータと人工知能（AI）は，医療における応用が増えている。 AIは主に機械学習（ML）と深層学習の2つの技術的分野を含む。 MLは新しいAI技術であり，近年，医療応用において大きな関心を集めている。 典型的には，人間の学習を取り入れたコンピュータシミュレーションに関わり，知識構造を洗練し，継続的に性能を向上させて診断と知的判断を補助し，AIにおける重要な手法となっている。 神経ネットワークプロセスに類似して，MLシステムは選択された入力データに対して適切なアルゴリズムを用いて訓練され，対応する出力を生成する。 現在，工学と科学の複雑な問題を解決するために広く使用されている。 眼科学では，AI／MLは疾患検出とモニタリングの補助として注目を集め，眼底画像診断，円錐角膜スクリーニング，緑内障分類において利点を示している。 角膜屈折手術では，MLは術前パラメータ設計と成績最適化に適用され，良好な安全性，有効性，予測可能性を示している。 AI決定木を用いてCRSの安全性と有効性を評価する予備的試みも行われている。<\/p>

この先進技術と先行研究の所見 — IOPccとPentacam由来補正式（Shah補正法が好ましい）がSMILE後の比較的信頼できるIOP推定値を提供することを示唆している — に基づき，本研究はデータ駆動型モデルを構築することを目的とする。 Shah補正IOPを術後IOP状態定義の参照として用い，IOPに影響を与える可能性のある全ての関連する術前・術後パラメータを組み込んで，モデルを訓練し反復最適化する。 目標はCRS後の真のIOPを予測し，それにより術後フォローアップを導き，IOP上昇の早期発見を促進し，潜在的な緑内障傾向を特定することである。<\/p>