人工智能技术在植入式Collamer透镜植入术中的应用 .pdf

人工智能技术在植入式Collamer透镜植入术中的应用

【摘要】随着植入式Collamer透镜（CL）植入术在临床不断推广，精准预测

术后CL拱高成为临床关注点，人工智能技术在CL的拱高预测、直径选择及屈

光度数预估等方面展示出优势。本文从CL拱高预测和直径选择模型的应用，

CL屈光度数预测模型的应用，术中相干光层析成像术（OCT）预测拱高和调整模

型的应用，CL拱高OCT自动测量模型的应用等方面进行阐述，并介绍和分析应

用现状、存在问题以及模型应用方式，以期为临床开展相关工作提供参考。

【关键词】人工智能；有晶状体眼人工晶状体为直入术；屈光，眼；为直入

式Collamer透镜

随着人工智能技术进入第3次发展高峰，其应用领域快速向多方面发展，在

医疗领域为眼科疾病诊疗提供了多元、精准、创新方式。植入式Collamer透镜

（implantableCollamerlens,CL）柩入术作为矫治高度近视眼的常用手术，

因术后视觉质量好、近视回退率低、并发症少、可逆等特点，在临床的使用率逐

年增高。但是，精准预测术后CL拱高是临床难题，人工智能技术的快速发展为

CL植入术带来了新的机遇，已在CL的拱高预测、直径选择及屈光度数预估等

方面展示出优势。

一、CL拱高预测和直径选择模型的应用

CL拱高是评估CL为直入术安全性的重要指标，过高或过低均可引发相关并

发症[1-3]。一项荟萃分析结果显示，CL拱高与多种因素有关，尤其眼前节

生物学参数，其中CL直径是高拱高的危险因素（95%C：0.33^0.69,P0.000

01）[4]o不同国家的研究结果显示，低拱高人群所使用的CL直径存在差异

［4］o因此，选择合适直径的CL是获得理想拱高的关键。目前多项研究集中

于开发人工智能模型预测CL的拱高及直径。由于CL拱高与生物学特征因素之

间呈非线性关系［5］,故人工智能技术展现出其独特优势。

常用人工智能模型主要包括普通的机器学习模型［6］、深度学习模型［7］

及多种机器学习模型构成的集成模型［8］,每个模型均显示出优于制造商提供

列线图的准确性。根据输出值的类型可将人工智能模型划分为回归模型和分类模

型，以用于预测CL拱高。回归模型是基于眼前节数据对CL拱高进行直接预测，

而分类模型是将CL拱高划分不同范围，艮250、250^750和＞750um进行分类

预测。CL直径选择按照12.K12.6、13.2、13.7mm建立分类模型。

模型的建立基于CL植入术前对眼前节生物学特征因素进行检测，常用的检

测技术和仪器包括眼前节相干光层析成像术(opticalcoherencetomography,

OCT)和Pentacam眼前节分析仪［9］、超声活体显微镜(ultrasoundbiomicr

oscopy,UBM)、Sirius大狼星眼前节分析系统等。其中OCT仪器型号包括An

terion型［10］、Casia2型［6］、MS-39型［11］和ZeissVisant型［12］,

研究数据表明Anterion型和MS-39型仪器的多数检测结果具有良好的一致性［1

3］,而Anterion型与Casia型仪器的检测结果不可互换［14］,因此使用这些

仪器的预测公式时应对应仪器型号。Chen等［15］利用UBM、Pentacam眼前节

分析仪、Sirius大狼星眼前节分析系统以及3种仪器的不同组合与人工智能相

结合，对CL拱高和直径进行预测和选择。不论何种组合均可有效预测CL拱高

和选择CL直径，其中UBM检查对CL直径具有良好的选择效果，表明UBM检查

在C4直入术围手术期具有重要价值。通过比较水平角膜缘到角膜缘距离(whi

tetowhite,WTW)、水平睫状沟至睫状沟距离(sulcustosulcus,STS)和

垂直STS对CL拱高预测和直径选择的影响，发现无论是预测CL拱高的回归模

型，还是选择CL直径的分类模型，STS优化模型的准确性均优于传统WTW模型；

且同时使用WTW、水平STS和垂直STS预测CL拱高的模型效果最优［16］,这

可能源于这3个参数的组合不仅表现出WTW测量的稳定性和可重复性，而且可获

得不同方位的STS,定制与CL直径匹配的放置方位，获得更为理想的C