编者按
有晶体眼后房型人工晶体植入术因其良好的近视矫正效果而被广泛接受。准确计算有晶体眼后房型人工晶体度数对于确保满意的屈光和视觉效果至关重要。有晶体眼人工晶体度数的计算是一个新的挑战，尤其是对于低中度近视患者。
复旦大学附属眼耳鼻喉科医院王晓瑛、蒋寅婕、沈阳、陈珣等医生基于1678例（2767只眼）有晶体眼后房型人工晶体植入术患者的术前眼内结构参数，建立和验证一种基于大数据集的新型堆叠机器学习（ML）模型，用于预测有晶体眼后房型人工晶体植入术后屈光误差并计算人工晶体度数，以提高有晶体眼后房型人工晶体植入术后屈光结果的可预测性。此外开发了一个基于最优堆叠ML模型的有晶体眼后房型人工晶体计算器，并在临床中应用。
该研究成果于2023年3月发表在Eye and Vision杂志上，有助于优化上海美沃Scansys ICL人工晶体屈光度预测与推荐模块，为未来优化有晶体眼后房型人工晶体的个性化选择和屈光度计算助力。
方法
本研究纳入2014年至2021年接受非散光矫正（NT-ICL）或散光矫正型ICL （TICL）植入术的患者1678例（2767只眼），年龄（27.5±6.33岁，18 ~ 54岁）。采用堆叠ML模型【支持向量回归（SVR）、LASSO、随机森林和XGBoost】和分别基于NT-ICL和TICL病例的眼球尺寸参数进行训练来预测术后等效球镜度（SE）和球镜度。
基于平均绝对误差（MAE）、中位数绝对误差（MedAE）以及屈光度在±0.25、±0.50、±0.75（D）以内的眼数百分比以及Bland-Altman分析，来比较堆叠ML模型与修正聚散度公式（MVF）的精确度。另外，推荐的球镜度数是以0.25 D为间隔且以正视眼为目标进行计算。
图1：方法流程图
NT-ICL：非散光矫正型ICL人工晶体；T-ICL：散光矫正型ICL人工晶体；IOP：眼内压；PD：瞳孔直径；AL：眼轴；K1：最陡峭曲率；K2：最平坦曲率；ACA：前房角度；ACD：前房深度；CT：角膜厚度；WTW：白到白；SVR：支持向量回归；SD：标准差；MAE：平均绝对误差；MedAE：中位数绝对误差。
结果
01 特征排序
对所有术前输入的相关眼球生物测量参数进行特征排序，与术后SE最相关的变量为术前SE、术前球镜度、眼轴、年龄。除了ICL尺寸外，其他参数在TICL中对于术后屈光度预测的重要度都相比于NT-ICL中更高。
图2：预测术后SE以及球镜度的重要特征
a：合并数据集的重要特征
b：非散光矫正型ICL人工晶体数据集的重要特征
c：散光矫正型ICL人工晶体数据集的重要特征
NT-ICL的散光度数和轴位被设置为0.00。最高的重要度是对准1.00，并相应地缩放左边的值。Preop：术前；S：球镜；C：柱镜；A：眼轴；D：度；PD：使用自动电脑验光仪获得的瞳孔直径；Pentacam PD：使用Pentacam HR获得的瞳孔直径；IOP：眼内压；K1：最陡峭曲率；K2：最平坦曲率；Kmean：平均曲率；ACD：前房深度；CT：角膜厚度；WTW：白到白；ACV：前房容积；ACA：前房角度。
02 精准度
根据MAE排序，NT-ICL中的最优堆叠ML模型为随机森林模型用于SE预测的（MAE = 0.339D），SVR模型用于术后球镜度预测（MAE = 0.386D）；TICL中的最佳模型为XGBoost模型用于SE预测（MAE = 0.325D）和球镜预测（MAE = 0.308D）。
NT-ICL：非散光矫正型ICL人工晶体；TICL：散光矫正型ICL人工晶体；MAE：平均绝对误差；MedAE：中位数绝对误差；AE：绝对误差；SD：标准差；D：度；MVF：修正聚散度公式；SVR：支持向量回归。
每个亚组的平均预测误差调整为零。每个亚组的最小SD、MAE、MedAE和AE四分位数以粗体标记。TICL植入术后等效球镜度预测误差分布的P值为0.014。随机森林和XGBoost的预测误差分布与修正聚散度公式不同，P值分别为0.016以及0.045。Friedman检验的其他P值均>0.05。
通过Bland-Altman分析显示，最优堆叠ML模型的预测值与MVF之间存在高度一致性。
图3：堆叠ML模型与MVF之间预测值Bland-Altman图的一致性
b：NT-ICL植入术后球镜的Bland-Altman图
c：TICL植入术后SE的Bland-Altman图
d：TICL植入术后球镜的Bland-Altman图
用虚线表示平均差值（红色）和95%一致性限度（平均差值- 1.96 SD，平均差值+1.96 SD，黑色）。
03 亚组分析
表3和表4比较了堆叠ML模型与MVF在NT-ICL和TICL中对于不同程度近视的预测效果。堆叠ML模型与MVF相比，在中低度近视（SE > −6.00 D）患者中具有更低的MAEs, SDs 和 MedAEs。各组中Friedman检验的P值均>0.05，无统计学意义。在高度近视（SE <−6.00 D）患者中优势不显著。
表3：在NT-ICL病例中对于不同程度近视的预测效果（n=130）
MPE：平均预测误差；MAE：平均绝对误差；MedAE：中位数绝对误差；SD：标准差；D：度；MVF：修正聚散度公式；SVR：支持向量回归。每个亚组的最小SD、MAE、MedAE以粗体标记。
表4：在TICL病例中对于不同程度近视的预测效果（n=205）
MPE：平均预测误差；MAE：平均绝对误差；MedAE：中位数绝对误差；SD：标准差；D：度；MVF：修正聚散度公式；SVR：支持向量回归。每个亚组的最小SD、MAE、MedAE以粗体标记。
04 屈光度定制
对于ICL人工晶体的屈光度选择，本研究的堆叠ML模型以0.25D的屈光度间隔计算推荐ICL人工晶体屈光度，并且比较最优堆叠ML模型推荐人工晶体屈光度与实际植入的人工晶体屈光度，发现在非散光矫正型ICL人工晶体（NT-ICL）中没有差异，对于散光矫正型ICL人工晶体（TICL）偏近视-0.729D。
表5：当目标为矫正至正视，推荐人工晶体屈光度和植入人工晶屈光度的差异
PE：预测误差；MPE：平均预测误差；MAE：平均绝对误差；MedAE：中位数绝对误差；SD：标准差；D：度；SVR：支持向量回归。
在NT-ICL病例中推荐度数与植入人工晶体度数之间的差异无显著性差异，而在TICL病例中推荐度数比植入度数低-0.729 D。在NT-ICL病例中推荐人工晶体球镜度与植入人工晶体球镜度偏差＜0.25 D的比例为56.92%，在TICL病例中推荐人工晶体球镜度与植入人工晶体球镜度偏差＜0.50 D的比例为32.2%。a统计学上与0度有显著性差异（P<0.05）。
3D曲面显示了最优堆叠ML模型和MVF临床差异区域，在年轻患者（<30岁）中远视漂移，堆叠ML模型推荐的人工晶体偏近视；在-16.00D以上的超高度近视患者中近视漂移，堆叠ML模型推荐的人工晶体偏远视。
图4：NT-ICL和TICL屈光度预测误差的3D曲面
a：NT-ICL球镜度预测误差
b：TICL球镜度预测误差
通过堆叠ML模型获得的推荐人工晶体屈光度与实际植入人工晶体屈光度的差异区域的3D面表示。通过从植入人工晶体球镜度中减去推荐人工晶体球镜度（当预测的术后球镜度接近于0时）来计算人工晶体预测误差。蓝色表示负值（近视偏移），红色表示正值（远视偏移）。
3D：三维；PE：预测误差；preop：术前。
总结
具有多种眼内结构参数的堆叠机器学习（ML）模型的准确性与现有的修正聚散度公式（MVF）模型相当，并且在中低度近视中具有潜在优势，为术后屈光误差的预测以及有晶体眼后房型人工晶体度数的计算提供一种全新的列线图方法。
参考文献：
Jiang, Y., Shen, Y., Chen, X. et al. Artificial intelligence-based refractive error prediction and EVO-implantable collamer lens power calculation for myopia correction. Eye and Vis 10, 22 (2023). https://doi.org/10.1186/s40662-023-00338-1
扫码获取全文
在线咨询