清澤のコメント：機械学習を眼科領域に取り入れる試みが多く行われているが、眼内レンズの度数計算でもその利用を考えている人は多いらしい。Use of a Machine Learning Method in Predicting Refraction after Cataract Surgery Tomofusa Yamauchi, 他 J Clin Med. 2021;10(5): 1103. doi: 10.3390/jcm10051103はそのような研究の最も新しいものであるらしい。
―――――――
概要
本研究は、白内障手術後の術後屈折の発生を予測する際の機械学習（ML）の使用について説明し、この方法の精度を従来の眼内レンズ（IOL）パワー計算式と比較することを目的としている。合計で、2010年の患者からの3331眼が評価されました。オブジェクトは、トレーニングデータとテストデータに分けられた。 MLのIOLパワー計算式とモデルトレーニングの定数は、トレーニングデータを使用して最適化された。次に、従来の式を使用して術後屈折の発生を予測するか、テストデータを使用してMLモデルを計算しました。 SRK / T式、Haigis式、Holladay 1式、Hoffer Q式、およびBarrett Universal II式（BU-II）を評価した。 ML手法と同様に、サポートベクター回帰（SVR）、ランダムフォレスト回帰（RFR）、勾配ブースティング回帰（GBR）、およびニューラルネットワーク（NN）を評価した。従来の公式の中で、BU-IIは予測の平均と中央値の絶対誤差が最も低かった。そのため、本手法の精度をBU-IIの精度と比較した。一部のMLメソッドの絶対誤差は、BU-IIの絶対誤差よりも低かった。ただし、統計的に有意な差は観察されなかった。したがって、本手法の精度はBU-IIの精度に劣ることはなかった。
背景を知ることのできる本論文の緒言：
白内障手術技術の最近の進歩により、術後の屈折力を予測することの重要性は比較的高まっている。さらに、近年広く使用されるようになった多焦点眼内レンズの使用には、正確な屈折予測が不可欠である。これらの理由から、眼内レンズ（IOL）の度数計算における精度の必要性はかつてないほど高まっている。数式はますます正確になっていますが、可能な限り最高の精度が求められている。佐藤ほかにより最近、前眼部光コヒーレンストモグラフィー（AS-OCT）を使用した前眼部の詳細な解剖学的測定を使用する式が報告された。彼らの公式は、眼軸方向の長さに影響されることなく、高い精度を示している。また、術後の屈折を予測する際に、多数の眼内レンズ（IOL）計算式を使用するいくつかの論文が公表されており、最近の報告は、バレットユニバーサルII式は、高精度を有することが示されている。一方、Kane etalは最近、ケインの公式は多くの場合の研究でより高い精度を持っていると報告された。
IOL度数計算式は、軸方向の長さや角膜の曲率、前房の深さ、度数、埋め込まれた眼内レンズの種類などの術前パラメータを使用して術後屈折を予測するために使用される回帰式である。 初期強度式は、基本的には眼と光学計算の解剖学的特徴に基づく予測である。前述バレットユニバーサルII式はまた、この方法を使用した。しかし、コンピュータサイエンスの最近の動向と、機械学習を組み込む方法の使用（ML）が報告されている。したがって、本研究は、MLを使用して術後屈折を予測するための利用可能な方法の精度を評価することを目的とした。サポートベクター回帰（SVR）、ランダムフォレスト回帰（RFR）、勾配ブースティング回帰（GBR）、ニューラルネットワーク（NN）を含む4つのMLメソッドを評価した。この研究は、比較的少数の症例でより正確なモデルを作成することを目的としている。この調査のユニークな側面は、MLの説明変数として従来のIOLパワー計算式を使用して予測された術後屈折を適用したことである。また、これが元の式よりも精度が高いかどうかも調べた。
コメント