Современные возможности оптимизации расчета оптической силы интраокулярной линзы с использованием возможностей глубокого машинного обучения
Ключевые слова:
расчет ИОЛ, искусственный интеллектАннотация
Цель. Разработка оптимизированной технологии машинного обучения для повышения точности расчета оптической силы интраокулярной линзы (ИОЛ).
Материал и методы. Проанализированы публикации за последние 5 лет в российской и зарубежной печати, описывающие использование искусственного интеллекта для повышения точности расчета оптической силы ИОЛ.
Результаты. Известны два различных подхода к использованию искусственного интеллекта в оптимизации расчета ИОЛ: во-первых, с использованием и оптимизацией существующих теоретических формул и, во-вторых, только на основе анализа базы данных пациентов до и после имплантации ИОЛ. Каждый подход имеет свои недостатки и преимущества. Отсутствие «идеальной» формулы заставляет хирургов при каждом расчете ИОЛ анализировать входящие данные пациента, вносить коррекцию в полученные результаты, основываясь при этом на собственном опыте. В клинике Волгоградского филиала ФГАУ «НМИЦ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова» разработаны проект дизайна программного приложения LensCalc и алгоритмы поэтапной его работы.
Заключение. Разработка программного приложения на основе искусственного интеллекта – достаточно трудоемкий процесс, требующий обработки большого количества данных, применения формул и алгоритмов с получением итогового результата, а также последующего обучения, оптимизации и повышения качества его работы. Программное приложение LensCalc основано на использовании алгоритмов искусственного интеллекта для выбора формулы расчета оптической силы ИОЛ, наиболее подходящей в конкретной клинической ситуации.
Библиографические ссылки
1. ChH Kane, Liangping J, Li L, Cheng J, Wu B. Refractive predictability using the IOL Master 700 and artificial intelligence-based IOL power formulas compared to standard formulas. J Refract Surg. 2020;36: 466–472. doi: 10.3928/1081597X-20200514-02
2. Kent Ch. IOL Power Formulas: 10 Questions Answered. Review of Ophthalmology. 2018. Available from: https://www.reviewofophthalmology.com/article/iol-power-formulas-10-questionsanswered [Accessed 12th December 2022]
3. Балашевич Л.И., Даниленко Е.В. Результаты использования формулы С.Н. Федорова для расчета силы заднекамерных интраокулярных линз. Офтальмохирургия. 2011;1: 34–38. [Balashevich LI, Danilenko EV. Results of using S.N. Fedorov’s formula for calculating the strength of posterior chamber intraocular lenses. Fyodorov Journal of Ophthalmic Surgery. 2011;1: 34–38. (In Russ.)]
4. Hoffer KJ. IOL Power. Boston, Massachusetts: Slack Incorporated; 2011.
5. Куликов А.Н., Кокарева Е.В., Дзилихов А.А. Эффективная позиция линзы. Обзор. Офтальмохирургия. 2018;1: 92–97. [Kulikov AN, Kokareva EV, Dzilikhov AA. Effective lens position. Review. Fyodorov Journal of Ophthalmic Surgery. 2018;1: 92–97. (In Russ.)] doi: 10.25276/0235-4160-2018-1-92-97
Рамсундар Б., Истман П., Уолтерс П., Панде В.М. Глубокое обучение в биологии и медицине. M.: ДМК Пресс; 2020. [Ramsundar B, Eastman P, Walters P, Pande VM. Deep learning in biology and medicine. M.: DMK Press; 2020. (In Russ.)]
7. Малюгин Б.Э., Сахнов С.Н., Аксенова Л.Е. и др. Применение методов машинного обучения при разработке алгоритма диагностики кератоконуса. Вестник Санкт-Петербургского государственного университета технологии и дизайна. Серия 1: Естественные и технические науки. 2022;1: 79–86. [Malyugin BE, Sakhnov SN, Aksenova LE, et al. Application of machine learning methods in the development of an algorithm for the diagnosis of keratoconus. Vestnik Sankt-Peterburgskogo gosudarstvennogo universiteta tekhnologii i dizaina. Seriya 1: Estestvennye i tekhnicheskie nauki. 2022;1: 79–86. (In Russ.)] doi: 10.46418/2079-8199_2022_1_12
8. Малюгин Б.Э., Сахнов С.Н., Мясникова В.В., Аксенова Л.Е. Применение искусственного интеллекта в диагностике и хирургии кератоконуса: систематический обзор. Офтальмохирургия. 2022;1: 77–96. [Malyugin BE, Sakhnov SN, Myasnikova VV, Aksenova LE. The use of artificial intelligence in the diagnosis and surgery of keratoconus: a systematic review. Fyodorov Journal of Ophthalmic Surgery. 2022;1: 77–96. (In Russ.)] doi: 10.25276/0235 4160-2022-1-77-96
9. Куроедов А.В., Остапенко Г.А., Митрошина К.В., Мовсисян А.Б. Современная диагностика глаукомы: нейросети и искусственный интеллект. РМЖ. Клиническая офтальмология. 2019;19(4): 230–237. [Kuroedov AV, Ostapenko GA, Mitroshina KV, Movsisyan AB. Modern diagnostics of glaucoma: neural networks and artificial intelligence. RMJ. Clinical ophthalmology. 2019;19(4): 230–237. (In Russ.)] doi: 10.32364/2311-7729-2019-19-4-230-237
Добров Э.Р. Применение нейросетей в диагностике диабетической ретинопатии. Модели, системы, сети в экономике, технике, природе и обществе. 2022;2(42): 90–105. [Dobrov ER. The use of neural networks in the diagnosis of diabetic retinopathy. Models, systems, networks in economics, technology, nature and society. 2022;2(42): 90–105. (In Russ.)] doi: 10.21685/2227-8486-2022-2-7
11. Clarke GP, Burmeister J. Comparison of intraocular lens computations using a neural network versus the Holladay formula. J Cataract Refract Surg. 1997;23(10): 1585–1589. doi: 10.1016/S.0886-3350(97)80034-X
12. Yamauchi T, Tabuchi H, Takase K, Masumoto H. Use of a machine learning method in predicting refraction after cataract surgery. J Clin Med. 2021;10(5): 1103. doi: 10.3390/jcm10051103
13. Espinosa J, Pérez J, Villanueva A. Prediction of subjective refraction from anterior corneal surface. Eye Lengths, and Age Using Machine Learning Algorithms. Transl Vis Sci Technol. 2022;11(4): 8. doi: 10.1167/tvst.11.4.8
14. Hill-RBF Calculator Version 3.0 – IOL Power Calculations for Cataract Surgery. Available from: https://rbfcalculator.com/#popup1 [Accessed 12th December 2022]
15. Арзамасцев А.А., Фабрикантов О.Л., Зенкова Н.А., Беликов С.В. Расчет интраокулярных линз (ИОЛ) в офтальмологии с использованием моделей искусственного интеллекта. Актуальные проблемы прикладной математики, информатики и механики: Сборник трудов Международной научной конференции, Воронеж, 13–15 декабря 2021 г. Воронеж: ООО «Вэлборн»; 2022: 291–296. [Arzamastsev AA, Fabrikantov OL, Zenkova NA, Belikov SV. Calculation of intraocular lenses (IOL) in ophthalmology using artificial intelligence models. Actual problems of Applied mathematics, Computer science and Mechanics: Proceedings of the International Scientific Conference, Voronezh, December 13–15, 2021. Voronezh: OOO «Valborn»; 2022: 291–296. (In Russ.)]
16. Sramka M, Slovak M, Tuckova J, Stodulka P. Improving clinical refractive results of cataract surgery by machine learning. Peer J. 2019;7: e7202. doi: 10.7717/peerj.7202
17. Mori Y, Yamauchi T, Tokuda S, Minami K, Tabuchi H, Miyata K. Machine learning adaptation of intraocular lens power calculation for a patient group. Eye Vis (Lond). 2021;8(1): 42. doi: 10.1186/s40662-021-00265-z
18. Kane formula. Available from: https://www.iolformula.com/about/ [Accessed 12th December 2022]
19. Kieren D, Gunn D, Sparrow J, Kane J. Assessment of the accuracy of new and updated intraocular lens power calculation formulas in 10 930 eyes from the UK National Health Service. J Cataract Refract Surg. 2020;46(1): 2–7. doi: 10.1016/j.jcrs.2019.08.014
20. Connell BJ, Kane JX. Comparison of the Kane formula with existing formulas for intraocular lens power selection. BMJ Open Ophthalmol. 2019;4(1): e000251. doi: 10.1136/bmjophth-2018-000251
21. Ryu S, Jun I, Kim TI, Kim EK, Seo KY. Accuracy of the Kane formula for intraocular lens power calculation in comparison with existing formulas: A retrospective review. Yonsei Med J. 2021;62(12): 1117–1124. doi: 10.3349/ymj.2021.62.12.1117
22. Xia T, Martinez Ch, Tsai L. Update on intraocular lens formulas and calculations. Asia Pac J Ophthalmol. 2020;9(3): 186–193. doi: 10.1097/ APO.0000000000000293
23. Savini G, Di Maita M, Hoffer KJ, Næser K, Schiano-Lomoriello D, Vagge A, Di Cello L, Traverso CE. Comparison of 13 formulas for IOL power calculation with measurements from partial coherence interferometry. Br J Ophthalmol. 2021;105(4): 484–489. doi: 10.1136/ bjophthalmol-2020-316193
24. Shajari M, Kolb CM, Petermann K, Böhm M, Herzog M, de’Lorenzo N, Schönbrunn S, Kohnen T. Comparison of 9 modern intraocular lens power calculation formulas for a quadrifocal intraocular lens. J Cataract Refract Surg. 2018;44(8): 942–948. doi: 10.1016/j.jcrs.2018.05.021
25. Melles RB, Holladay JT, Chang WJ. Accuracy of intraocular lens calculation formulas. Ophthalmology. 2018;125(2): 169–178. doi: 10.1016/j.ophtha.2017.08.027
Опубликован
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
