각막 굴절 수술 후 AI 기반 IOP 평가 (AIOP-CRS-AI)

연구 배경 및 현황 연구에 따르면 전 세계 근시 유병률은 평균 22%이며, 원시 발생률도 유사합니다. 중국의 근시 유병률은 31%로, 근시 유병률이 가장 높은 국가 중 하나입니다. 현재 LASIK 및 SMILE과 같은 각막 굴절 수술(CRS)이 근시, 원시 및 기타 굴절 이상을 교정하는 데 있어 안전성과 유효성이 잘 확립되어 있습니다. 점점 더 많은 환자가 굴절 이상으로 인한 불편을 완화하기 위해 CRS를 받고 있습니다. LASIK은 오랫동안 고전적인 수술로 여겨져 왔지만, 2008년 작은 절개 렌티큘 추출(SMILE) 수술이 근시 교정에 처음 보고된 이후로 주요 수술 기법 중 하나로 발전했습니다. 굴절 수술의 급속한 발전과 함께 우수한 시력 결과를 유지하면서 수술 후 합병증을 최소화하는 것이 임상의사들의 주요 관심사가 되었습니다. 수술 후 안압(IOP) 모니터링은 중요한 관찰 지표입니다.

이론적으로 CRS는 방수 역학이나 안내 용적에 영향을 미치지 않으므로 IOP가 크게 변하지 않아야 합니다. 그러나 많은 연구에 따르면 각막 형태와 생체역학적 특성의 변화, 특히 각막 두께 감소로 인해 다양한 안압계, 특히 각막 두께에 의존하는 기기에서 인위적으로 낮은 IOP 수치가 측정됩니다. 또한 수술 후 관리는 염증을 억제하고 상처 치유를 촉진하기 위해 코르티코스테로이드 점안액의 장기간 사용이 필요합니다. 장기간의 스테로이드 사용은 방수 유출 저항을 증가시켜 IOP를 상승시키며, 특히 스테로이드 반응자에서 스테로이드 유발 녹내장을 초래할 수 있습니다. 또한 고도 근시는 원발성 개방각 녹내장의 알려진 위험 인자입니다. 따라서 수술 전후 각막 매개변수 변화를 바탕으로 CRS 후 실제 IOP 범위를 신속하고 효과적으로 결정하는 것은 임상 약물 사용 및 스테로이드 유발 녹내장 선별에 큰 의미가 있습니다.

빅데이터와 인공지능(AI)은 의료 분야에서 점점 더 많이 응용되고 있습니다. AI는 주로 기계 학습(ML)과 딥 러닝이라는 두 가지 기술 분야를 포함합니다. ML은 새로운 AI 기술로, 최근 몇 년간 의료 응용에서 큰 관심을 받고 있습니다. 이는 일반적으로 인간과 유사한 학습을 통합하고, 지식 구조를 개선하며, 지속적으로 성능을 향상시켜 진단 및 지능형 의사 결정을 돕는 컴퓨터 시뮬레이션으로, AI의 핵심 방법이 되었습니다. 신경망 과정과 유사하게, ML 시스템은 선택된 입력 데이터를 적절한 알고리즘을 사용하여 훈련하여 해당 출력을 생성합니다. 이제 엔지니어링 및 과학의 복잡한 문제를 해결하는 데 널리 사용됩니다. 안과학에서 AI/ML은 질병 탐지 및 모니터링을 지원하여 안저 이미지 진단, 원추 각막 선별 및 녹내장 분류에서 장점을 보여주며 주목받고 있습니다. 각막 굴절 수술에서 ML은 수술 전 매개변수 설계 및 결과 최적화에 적용되어 좋은 안전성, 유효성 및 예측 가능성을 보여주었습니다. AI 결정 트리를 사용하여 CRS의 안전성과 유효성을 평가하는 예비 시도가 이루어졌습니다.

이 고급 기술과 이전 연구 결과(IOPcc 및 Pentacam 유래 보정 공식(Shah 보정 방법이 바람직함)이 SMILE 후 비교적 신뢰할 수 있는 IOP 추정치를 제공함)를 바탕으로, 본 연구는 데이터 기반 모델을 구축하는 것을 목표로 합니다. Shah 보정 IOP를 기준으로 수술 후 IOP 상태를 정의하고, IOP에 잠재적으로 영향을 미칠 수 있는 모든 관련 수술 전후 매개변수를 통합하여 모델을 훈련하고 반복적으로 최적화합니다. 목표는 CRS 후 실제 IOP를 예측하여 수술 후 추적 관찰을 안내하고, IOP 상승을 조기에 발견하며, 잠재적인 녹내장 경향을 식별하는 것입니다.