人工智能在人工晶狀體屈光度計算中的應用

楊 帥，邵 杰，張 君

0引言

近年來，隨著科學技術的迅猛發展，醫療水平也得到顯著提升，其中計算機領域內的人工智能(artificial intelligence，AI)技術作為20世紀和21世紀世界尖端技術的代表之一，已在很多學科領域獲得廣泛應用，并逐步滲透進人類社會的各個層面。AI是研究賦予計算機模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，計算機借助系統深度學習等算法，可擁有智能處理信息的能力。目前AI技術已應用在更高層次的場景中，如在醫學臨床診斷領域，AI能夠快速處理龐大的醫學數據信息，準確地為臨床決策提供科學參考[1]。AI能夠輔助快速完成急診治療[2]；AI能夠輔助醫學影像，快速篩查CT圖像中的異常顯影[3]；AI也可以輔助病理檢查，更加快速、準確地得出病理結果[4-5]。此外，AI在眼科的應用也已日益廣泛，極大地提高了眼科學疾病的診療效率。由于AI具有很強的自組織、自適應和容錯能力，特別是在處理非線性問題上的巨大優勢，可顯著優化以往通過線性回歸算法發現的多數據間的關聯問題，實現對臨床數據庫的深度分析和自主決策[6]。計算白內障手術植入的人工晶狀體(intraocular lens，IOL)屈光度就是AI技術在眼科應用中的典型代表。

1白內障治療與人工晶狀體屈光度計算誤差

伴隨我國老齡化社會進程加快，年齡相關性眼病發病率也日益增高[7]，其中，晶狀體透明性降低引起的白內障逐漸成為老齡化社會常見的可致盲性眼科疾病[8]。據世界衛生組織統計，目前全球白內障患病人數逾3500萬，而部分發展中國家因白內障致盲人數占總致盲人數超過50%[9]，可見白內障患病率和致盲率均達到較高水平。由于目前尚無可逆轉晶狀體老化、改善其透明度的藥物，晶狀體置換成為現階段解決晶狀體老化引起白內障的唯一有效手段[10-11]。隨著醫療技術的不斷發展以及人們生活水平的不斷提升，患者對晶狀體置換手術的要求從過去的看得見，發展到如今的看得清、看得舒適，因此精準計算人工晶狀體屈光度就顯得尤為重要。目前的人工晶狀體屈光度計算公式經過數代發展已經將屈光誤差控制在較低水平，約71%～81%的常規角膜患者術后出現小于0.50D的屈光誤差，約95%～98%的患者術后出現小于1.00D的屈光誤差[12-14]，但仍有約5%～20%的患者會出現較大的屈光誤差，而導致其術后滿意度不高[14]，需再次進行屈光調整。

最大限度地減少屈光誤差，需要準確計算人工晶狀體屈光度。對于人工晶狀體屈光度計算主要有3種方法，即標準屈光度法、臨床判斷法和公式計算法。前兩種計算方法因個體差異引起的屈光誤差較為明顯，已趨于淘汰，因而目前主流的計算方法是公式計算法，該方法基于物理光學理論，通過角膜屈光力、眼軸長度、術后有效晶狀體位置(effective lens position，ELP)這3個主要參數，計算所需植入的人工晶狀體屈光度。ELP是指在視軸上，角膜后頂點到人工晶狀體光學平面的垂直距離，它代表著人工晶狀體在眼球內的縱向位置[15]。隨著眼前節檢查設備和眼科光學生物測量設備精度的逐步提高，角膜屈光力和眼軸長度測量誤差問題已得到顯著改善[16-18]。但ELP因無法通過術前測量得出[19]，僅能通過臨床主觀經驗進行預測，因此提高ELP的準確性仍是人工晶狀體屈光誤差待以解決的關鍵。在公式計算法中，從初期公式到目前主流的三、四代公式，如SRK/T、Hoffer Q、Holladay Ⅱ、Haigis、Barrett Universal Ⅱ，均基于統計學中的回歸性研究理論對ELP進行預估。如果ELP預測偏低，會低估人工晶狀體的屈光力作用，反之亦然，且誤差量與ELP偏差距離和人工晶狀體屈光力強度呈正相關[20]。因此精準預測ELP，對于人工晶狀體植入術來說顯得尤為重要[21]。伴隨著AI技術逐漸應用到醫療領域，依托AI技術有望優化ELP預測精度，進一步降低人工晶狀體屈光度誤差[22]，提高患者滿意度。

2基于AI技術的人工晶狀體屈光度計算公式

AI人工晶狀體計算公式目前基于兩大原理：(1)將多組正確匹配的眼基礎參數及人工晶狀體屈光度預先輸入數據庫中，將患者的眼球參數與數據庫進行對比，得出患者所需的人工晶狀體屈光度，該原理最具代表性的AI公式是Hill-RBF和Kane公式；(2)基于目前廣泛使用的多個傳統人工晶狀體計算公式，將患者的眼參數通過系統數據對比，在傳統公式中選擇最適合的一個進行運算，該方法可有效降低選擇偏倚，提高計算精度，此類AI公式最具代表性的是Ladas Super公式。

2.1Hill-RBF公式該公式由Warren Hill教授開發，是一種基于AI的徑向基函數模型公式，該公式應用模式識別和數據內插技術[23]，將擬定的多組自變量數據，如角膜屈光力、前房深度、眼軸長度等與相應因變量，即人工晶狀體屈光度建立非線性聯系。在臨床應用中，如果輸入的自變量在相應數據庫范圍內，理論上可獲得準確結果。與目前臨床使用的人工晶狀體屈光度計算公式相比，Hill-RBF公式具有如下特點：(1)不存在“可視化”公式[24]，即外界無法獲知系統內部的眼基礎參數與人工晶狀體屈光度之間的聯系；(2)需要對系統進行訓練，即構建數據間聯系的數據庫，一定程度上數據量與輸出結果準確性相關；(3)數據庫內已存在的數據準確性直接影響系統輸出結果的準確性。隨著數據庫內已有數據量的擴展以及更多眼參數的納入，目前該公式已經發展到V3.0版本。

Roberts等[25]對比了400例眼軸長度19～30mm的患者，發現Hill-RBF公式的人工晶狀體屈光誤差為0.32±0.24D，而Holladay Ⅱ、SRK/T、Hoffer、Barrett Universal Ⅱ公式的屈光誤差分別為0.32±0.27、0.31±0.25、0.34±0.28、0.30±0.24D，表明Hill-RBF公式已經與傳統公式計算誤差相差不大。單獨分析不同計算公式在較長、中等、較短眼軸的計算結果發現，當眼軸長度>24.51mm時，Hill-RBF、Holladay Ⅱ、SRK/T、Hoffer、Barrett UniversalⅡ公式的屈光誤差分別為0.32±0.26、0.32±0.29、0.33±0.29、0.39±0.34、0.30±0.24D；當眼軸軸長度為21.01～24.5mm時，Hill-RBF、Holladay Ⅱ、SRK/T、Hoffer、Barrett Universal Ⅱ公式的屈光誤差分別為0.37±0.33、0.31±0.24、0.29±0.22、0.32±0.24、0.30±0.23D。由此可見，在單獨計算中等長度眼軸和較長眼軸時，基于AI技術的Hill-RBF公式與傳統計算公式的屈光誤差相差并不大，而這能夠保持一致的計算精度。但是，當眼軸長度<22mm時，Hill-RBF公式的人工晶狀體屈光誤差為0.37±0.33D，而經Holladay Ⅱ、SRK/T、Hoffer、Barrett Universal Ⅱ公式的屈光誤差分別為0.52±0.52、0.44±0.41、0.45±0.41、0.43±0.36D，因此可見，在計算較短眼軸人工晶狀體屈光度時，傳統計算公式的計算誤差顯著提高，計算精度明顯下降，而基于AI技術的Hill-RBF公式計算誤差并不明顯，計算精度保持穩定，因此當計算短眼軸人工晶狀體屈光度時，使用Hill-RBF公式可以獲得較為準確的計算結果。

Khatib等[26]將Hill-RBF公式與Barrett Universal Ⅱ公式進行對比，結果發現對于全眼軸范圍，Hill-RBF公式平均絕對誤差為0.304D，Barrett Universal Ⅱ平均絕對誤差為0.322D，Hill-RBF公式的計算誤差略高。Hill等[23]研究也發現Hill-RBF公式計算準確性劣于其他傳統公式；而G?kce等[24]研究認為，Hill-RBF公式計算準確性優于其他傳統公式。上述研究結果表明Hill-RBF公式與傳統公式的比較尚無定論，該差異的原因可能與樣本量或納入的眼參數分布不同有關。隨著數據庫樣本量的豐富，最新版本Hill-RBF公式數據庫中的眼軸長度范圍顯著擴增，提升了其適用性和準確性[27-28]，多項研究表明其準確性已優于傳統計算公式[29-31]。此外，Hill-RBF公式可在線上免費使用，無需支付額外使用費，節省開支。雖然基于AI技術的Hill-RBF公式在評估人工晶狀體屈光度時通過大數據分析和智能算法所得結果整體上不亞于傳統計算公式[32]，但是其應用范圍仍存在局限性，其輸出人工晶狀體屈光度范圍還必須處于-5.00～+30.00D，目標屈光力范圍處于-2.50～+1.00D，若超出上述范圍，計算時還需配合其他程序進行預先調整，因此目前Hill-RBF公式仍處于初級應用階段，但未來隨著該系統功能逐漸完善，Hill-RBF公式有望成為可靠性更高、使用更方便的人工晶狀體屈光度計算工具[33]。

2.2Kane公式該公式由Jack X Kane教授創建，其利用AI技術，將物理光學理論與回歸方程結合，在云計算模式下，借助虛擬超級計算機的大數據處理能力，對人工晶狀體的屈光度進行計算，是一種準確性較高的人工晶狀體屈光度計算公式[34-35]。Kane公式數據庫內包含約30 000個典型的臨床案例，雖然公式細節未公開，但其原理類似于Hill-RBF公式。Kane公式并非通過眼參數直接獲得人工晶狀體屈光度，而是通過眼軸長度、角膜曲率、前房深度、性別、晶狀體厚度、角膜厚度等數據，首先預估ELP，再基于物理光學理論，輸出人工晶狀體屈光度計算結果。由于年齡增加，晶狀體懸韌帶功能減退甚至松弛或玻璃體液化，可導致晶狀體囊袋后移，因此患者年齡越大，越容易出現術后實際ELP大于預測值的情況，進而出現遠視漂移，因此Kane公式引入年齡等更多的自變量，可進一步提高計算準確性。自2020-02-16起，Kane公式已在www.iolformula.com網站公開免費使用，幫助降低經濟成本，有助于該公式的廣泛推廣應用。

Kane等[36]對比182例眼軸長度18.86～22.45mm患者術后情況，發現Kane公式的平均絕對誤差為0.533D，Haigis、Holladay Ⅱ、SRK/T、Barrett Universal Ⅱ公式的平均絕對誤差分別為0.602、0.619、0.698、0.818D；Kane公式的標準差為0.707D，Haigis、Holladay Ⅱ、SRK/T、Barrett Universal Ⅱ公式的標準差分別為0.775、0.773、0.824、0.867D，說明Kane公式具有一定臨床優勢。對于特殊的較長眼軸或較短眼軸，Kane公式具有更顯著的優勢。其中，在眼軸長度<22mm的較短眼軸患者中，Kane公式的平均絕對誤差為0.441D，而Haigis、Holladay Ⅱ、SRK/T、Barrett Universal Ⅱ公式的平均絕對誤差分別為0.486、0.458、0.492、0.493D；在眼軸長度>26mm的較長眼軸患者中，Kane公式的平均絕對誤差為0.329D，而Haigis、Holladay Ⅱ、SRK/T、Barrett Universal Ⅱ公式的平均絕對誤差分別為0.359、0.352、0.363、0.338D，由此可見，對于較短或較長眼軸，AI公式計算的平均絕對誤差較低，計算精度更高。

Darcy等[37]研究納入10930眼進行多公式對比，Kane公式不僅表現出優于Barrett Universal Ⅱ、Olsen、Haigis、Holladay Ⅰ、Holladay Ⅱ、Hoffer Q、SRK/T公式，還優于上述Hill-RBF 2.0公式。其他研究中，Kane公式也顯示出更高準確度[38]。但Priji等[39]在對短眼軸人工晶狀體屈光度研究時，發現當眼軸長度<22mm，Kane、Barrett Universal Ⅱ、Hoffer、Holladay Ⅰ、SRK/T公式的平均絕對誤差分別為0.47、0.39、0.33、0.33、0.35D，Kane公式并無優勢；Connell等[35]通過對比Holladay Ⅰ、Barrett Universal Ⅱ、SRK/T、Hoffer Q、Kane公式也未見差異。可見，Kane公式是否與其他傳統公式之間存在差異也暫無定論，究其原因，可能是由于樣本量差別和眼參數因素的影響所致。

2.3LadasSuper公式該公式由John G Ladas教授創建，與Hill-RBF公式和Kane公式原理不同，Ladas Super公式是根據輸入的眼軸長度，從目前廣泛使用的人工晶狀體屈光度計算公式中自動選擇合適的公式進行計算。由于現在使用的人工晶狀體屈光度計算公式各自擁有最適的使用范圍，眼軸長度<21mm時使用Hoffer Q公式計算精度較高；眼軸長度為23.5～26mm時，使用HolladayⅠ公式可獲得較準確的計算結果；眼軸更長時，使用SRK/T公式的計算結果更為準確。因此可見，將所測得的眼球參數導入適宜的公式，有望獲得更為準確的結果。以往上述公式選擇工作依靠人工主觀篩選，不僅顯著增加工作負擔，還會產生人為誤差。但借助Ladas Super公式，系統可在Hoffer Q、HolladayⅠ、Holladay Ⅱ(輔助Wang-Koch調整)和SRK/T[37]公式中自動篩選最適宜的公式，取長補短，進一步提高計算效率和準確性。

Ladas Super公式的程序運行步驟是：當眼軸長度為20～21.49mm時，系統自動選擇Hoffer Q公式；當眼軸長度為21.49～25mm時，使用Holladay Ⅰ公式；當眼軸長度>25mm時，使用Holladay Ⅱ公式；對于極長眼軸、人工晶狀體度數為負數者，則選用負度數人工晶狀體專用的晶狀體常數進行計算。這樣不僅避免了依賴單一公式引起的計算結果不準確的問題，還節省了人工篩選時間，降低人為誤差，診療效率得到提高。自2020-07-11起，Ladas Super公式已在www.iolcalc.com網站公開使用。但是，由于Ladas Super公式仍基于傳統計算公式，依然無法避免傳統公式本身存在的缺點，即眼軸過長或過短時，Ladas Super公式的計算誤差也隨之增大。根據Cooke等[40]研究，當眼軸長度為20.84～29.51mm時，Ladas Super公式的平均絕對誤差為0.321D；當眼軸長度為25.97～29.44mm的較長眼軸時，平均絕對誤差為0.348D；當眼軸長度為20.87～22.01mm的較短眼軸時，平均絕對誤差為0.401D。因此，相較于不存在數學運算過程的Hill-RBF公式和Kane公式，Ladas Super公式所計算的眼軸長度范圍較小，其實用性較為局限。

2.4其他公式除上述提到的公式外，近期也公布了幾種其他類別AI計算公式，如Pearl-DGS公式和FullMonte公式。Pearl-DGS公式是由三位法國眼科教授(Guillaume Debellemanière、Damien Gatinel、Alain Saad)研發，取姓首字母而命名。其原理類似于Hill-RBF公式，即先利用AI機器學習模型，使用4000多例患者參數搭建數據庫，通過非線性關系的多元回歸方程預測理論人工晶狀體位置(類似ELP)[41]。隨后Pearl-DGS公式通過選擇厚透鏡方程精細計算人工晶狀體屈光度。自2020-02-16起，Pearl-DGS公式已在www.iolsolver.com網站公開免費使用。FullMonte公式則是使用Monte Carlo Markov Chain模擬器和神經網絡來預測術后人工晶狀體度數，該系統的特點是不斷獲取系統內更新的數據，實現自主更新學習不斷完善計算準確性。由于上述兩款公式尚未推廣應用，仍處于使用初期，目前的臨床研究較少，還需進一步對比上述兩種計算公式的準確性。

3總結與展望

老齡化進程加快已成為中國乃至全世界面臨的社會問題，而伴隨老齡化社會的形成，以白內障為代表的年齡相關性疾病也成為全球共同關注的公共衛生問題。經過近幾十年的發展，通過手術方式實現人工晶狀體置換成為當今世界解決白內障的唯一有效手段。但是，仍有部分患者由于人工晶狀體屈光度計算不準確導致出現術后屈光誤差，不能獲得滿意的術后效果。因此提高人工晶狀體屈光度的計算準確性成為提高患者術后滿意度的關鍵。雖然傳統人工晶狀體計算公式歷史久遠且應用廣泛，但其運算過程固定，無法針對不同患者進行個性化調整，在面臨特殊眼參數時可導致誤差增大，影響術后滿意度。

伴隨AI技術引入眼科領域，依托其大數據分析和機器自學習功能，上述問題有望得到改善。臨床中利用基于模式識別和數據內插技術的Hill-RBF公式將患者眼參數與數據庫進行對比，可得出目標人工晶狀體屈光度，并且Hill-RBF公式與傳統計算公式具有較一致的計算準確性。此外，與Hill-RBF公式原理類似的Kane公式同樣具有與傳統公式接近的計算精度，且Hill-RBF公式和Kane公式都能夠在特殊情況，如計算較短眼軸時得出較為準確的計算結果，甚至準確性高于傳統計算公式。而Ladas Super公式的運行原理與上述兩種AI公式運行原理不同，其根據不同的眼軸長度，自動選擇最適合的傳統計算公式，進而得出結果，這樣避免了依賴單一公式引起的計算結果不準確的問題，還節省了人工篩選時間，降低人為誤差，診療效率得到提高。但是，目前關于AI公式臨床應用的相關研究尚不夠充分，AI系統也尚不完善。目前關于AI公式的臨床研究，對于各公式計算不同眼軸長度的研究較多，關于各公式計算不同角膜曲率的準確性分析較少，且目前的研究并沒有將年齡、性別等其他因素納入數據庫并進行分組對比，無法分析AI計算公式是否具有獨特的個性化計算優勢，因此，未來還可比較各公式計算正常角膜曲率、較大及較小角膜曲率的計算結果；比較各公式計算不同年齡、不同性別的計算結果，進一步探討AI在人工晶狀體屈光度計算方面的優勢。

AI技術用于醫療領域仍處于初級階段，尚有其弊端：(1)對于依賴大數據的AI系統來說，數據庫中病例信息仍不夠充足；(2)對數據庫中樣本信息的準確性要求較高，即便計算機擁有快速計算能力和完善的程序算法，當預先植入的數據庫信息不準確時，輸出結果也會存在誤差；(3)系統內算法并未成熟，運行的系統程序可能存在缺陷，導致無法順利輸出計算結果；(4)尚不能用于特殊角膜，如屈光術后角膜、存在嚴重影響曲率的斑翳角膜、圓錐角膜等。未來隨著特殊角膜的樣本量日益增多，憑借AI技術的自學習功能和智能算法，有望解決上述問題，進一步發揮AI的優勢。但目前AI只能輔助人工晶狀體屈光度計算，尚不能完全依賴其結果，這也成為包括Hill-RBF公式和Kane等公式在內的AI計算公式共同存在的缺陷和不足。

未來隨著各醫療機構信息共享平臺的互聯互通，數據庫信息實時共享更新日益便捷，數據庫中樣本信息的準確性將大大提高，而計算機軟件行業的高速發展也為程序算法提供保障。相信隨著時間的推移、AI系統數據庫中各相關變量數據的日益完善，AI技術有望突破其瓶頸，在精準計算的同時，實現更多臨床輔助功能，提高患者術后滿意度。