Beoordeling van IOD na corneale refractiechirurgie op basis van AI (AIOP-CRS-AI)

Betekenis, Achtergrond en Huidige Stand van Zaken Studies tonen aan dat de wereldwijde gemiddelde prevalentie van myopie 22% is, met een vergelijkbare incidentie van hyperopie. In China is de prevalentie van myopie 31%, waardoor het een van de landen met de hoogste myopiecijfers is. Momenteel is de veiligheid en werkzaamheid van cornearefractieve chirurgie (CRS), zoals LASIK en SMILE, voor het corrigeren van myopie, hyperopie en andere refractieafwijkingen goed vastgesteld. Een toenemend aantal patiënten ondergaat CRS om de ongemakken veroorzaakt door refractieafwijkingen te verlichten. Hoewel LASIK lange tijd als een klassieke procedure werd beschouwd, is het sinds het eerste rapport van Small Incision Lenticule Extraction (SMILE) voor myopiecorrectie in 2008 uitgegroeid tot een van de mainstream chirurgische technieken. Met de snelle vooruitgang van refractiechirurgie is het minimaliseren van postoperatieve complicaties, terwijl uitstekende visuele resultaten worden behouden, een belangrijk aandachtspunt voor clinici geworden. Postoperatieve monitoring van de intraoculaire druk (IOP) is een cruciale observatie-index.

Theoretisch zou IOP na CRS niet significant moeten veranderen, omdat de chirurgie geen invloed heeft op de dynamiek van het kamerwater of het intraoculaire volume. Echter, talrijke studies geven aan dat veranderingen in corneavorvorming en biomechanische eigenschappen, met name corneaverdunning, leiden tot kunstmatig lage IOP-metingen met verschillende tonometers, vooral die welke afhankelijk zijn van corneadikte. Verder vereist postoperatief beheer vaak langdurig gebruik van corticosteroïde oogdruppels om ontstekingen te onderdrukken en wondgenezing te bevorderen. Langdurig steroïdegebruik kan de uitstroomweerstand van kamerwater verhogen, waardoor IOP stijgt, vooral bij steroïde responders, en mogelijk leidt tot steroïde-geïnduceerd glaucoom. Bovendien is hoge myopie een bekende risicofactor voor primair openkamerhoekglaucoom. Daarom is het op basis van preoperatieve en postoperatieve corneaparameterverschillen snel en effectief bepalen van het werkelijke IOP-bereik na CRS van groot belang voor het begeleiden van klinische medicatie en het screenen op steroïde-geïnduceerd glaucoom.

Big Data en Kunstmatige Intelligentie (AI) worden steeds vaker toegepast in de geneeskunde. AI omvat voornamelijk twee technische takken: machine learning (ML) en deep learning. ML, een nieuwe AI-technologie, heeft de laatste jaren veel belangstelling gekregen voor medische toepassingen. Het omvat doorgaans computersimulaties die menselijk leren integreren, kennisstructuren verfijnen en continu prestaties verbeteren om diagnose en intelligente besluitvorming te ondersteunen, en wordt zo een centrale methode in AI. Lijkend op neurale netwerkprocessen, worden ML-systemen getraind op geselecteerde invoergegevens met behulp van passende algoritmen om overeenkomstige uitvoer te produceren. Het wordt nu veel gebruikt om complexe problemen in techniek en wetenschap op te lossen. In de oogheelkunde heeft AI/ML aandacht gekregen voor het helpen bij ziektedetectie en monitoring en toont het zijn voordelen bij diagnose van fundusbeelden, screening op keratoconus en classificatie van glaucoom. Bij cornearefractieve chirurgie is ML toegepast bij het ontwerp van preoperatieve parameters en optimalisatie van resultaten, met goede veiligheid, werkzaamheid en voorspelbaarheid. Er zijn voorlopige pogingen gedaan om AI-beslissingsbomen te gebruiken om de veiligheid en werkzaamheid van CRS te evalueren.

Voortbouwend op deze geavanceerde technologie en onze eerdere onderzoeksresultaten – die suggereren dat IOPcc en Pentacam-afgeleide correctieformules (met een voorkeur voor de Shah-correctiemethode) relatief betrouwbare IOP-schattingen geven na SMILE – beoogt deze studie het ontwikkelen van een datagestuurd model. Met behulp van de gecorrigeerde IOP van Shah als referentie om de postoperatieve IOP-status te definiëren, zullen we een model trainen en iteratief optimaliseren door alle relevante pre- en postoperatieve parameters die mogelijk van invloed zijn op IOP te integreren. Het doel is om de werkelijke IOP na CRS te voorspellen, waardoor postoperatieve follow-up wordt begeleid, vroege detectie van IOP-verhoging wordt gefaciliteerd en mogelijke glaucoomneigingen worden geïdentificeerd.