Éléments fournis : résultats de l'examen préopératoire et informations démographiques sur un patient. Prévoir : UCVA postopératoire un jour, une semaine et un mois après la chirurgie.

But du cas d'usage

Description

Introduction aux chirurgies LASIK : Les chirurgies réfractives pour les yeux sont effectuées pour corriger (normaliser) l'état de réfraction de l'œil, pour diminuer ou éliminer la dépendance aux lunettes ou aux lentilles de contact. Cela peut inclure diverses méthodes de remodelage chirurgical de la cornée ou de la chirurgie de la cataracte. Le LASIK est une chirurgie oculaire réfractive qui utilise un laser pour corriger la myopie, l'hypermétropie et/ou l'astigmatisme. En LASIK, un mince rabat dans la cornée est créé à l'aide d'une lame de microkératome ou d'un laser femtoseconde. Le chirurgien replie le rabat, puis enlève du tissu cornéen en dessous à l'aide d'un laser. Le lambeau est ensuite remis en place, couvrant la zone où le tissu cornéen a été retiré. Chez les personnes myopes, le but du LASIK est d'aplatir la cornée raide ; chez les hypermétropes, une cornée plus raide est souhaitée. Le LASIK peut également corriger l'astigmatisme en lissant une cornée irrégulière en une forme plus normale. Les chirurgies LASIK 61 sont très populaires ; plus de dix millions de procédures LASIK ont été réalisées aux États-Unis seulement au cours de la dernière décennie. Motivation : Bien que les taux de satisfaction globale des patients après une chirurgie LASIK primaire aient été d'environ 95 %, il se peut qu'elle ne soit pas recommandée pour tout le monde pour deux raisons : (1) coût élevé avec potentiellement aucune amélioration significative pour certains types de patients, et (2) possibilité complications après la chirurgie. Les chirurgies LASIK coûtent environ 2 000 $ US par chirurgie. Une capacité à prédire l'UCVA postopératoire peut aider les patients à prendre une décision éclairée quant à l'investissement de leur argent dans une chirurgie LASIK ou non. Cela peut également aider les chirurgiens à recommander aux patients le type de chirurgie au laser le plus prometteur. Comment pouvons-nous effectuer cette prédiction? En outre, lors de l'exécution de telles chirurgies, les chirurgiens doivent définir plusieurs paramètres tels que le temps d'aspiration, les détails du volet et de la charnière, etc. Ceux-ci sont souvent définis à l'aide de règles conçues manuellement. Pouvons-nous concevoir une méthode automatisée basée sur les données pour suggérer les meilleurs paramètres pour un patient subissant une chirurgie au laser d'un certain type ? Définition du problème : Dans cet article, nous abordons le problème suivant. Données : résultats de l'examen préopératoire et informations démographiques sur un patient. Prédire : UCVA postopératoire après un jour, une semaine et un mois après la chirurgie. Défis : Le problème est difficile car (1) une grande quantité de données sur ces chirurgies n'est pas facilement disponible ; (2) il existe de nombreuses mesures préopératoires qui peuvent être utilisées comme signaux ; et (3) les données sont rares, c'est-à-dire qu'il y a beaucoup de valeurs manquantes. Bref aperçu de notre approche : Nous modélisons la tâche comme un problème de régression. Nous utilisons la connaissance du domaine pour prétraiter les données en transformant quelques caractéristiques catégorielles en caractéristiques binaires. Nous utilisons également des valeurs moyennes pour imputer les valeurs manquantes pour les caractéristiques numériques. Pour les caractéristiques catégorielles, nous imputons les valeurs manquantes en utilisant la valeur la plus fréquente pour la caractéristique. Nous évaluons les approches de régression multiple. Nos expériences sur un ensemble de données de 791 chirurgies fournissent un RMSE de 0,102, 0,094 et 0,074 pour l'UCVA postopératoire prédite après un jour, une semaine et un mois après la chirurgie respectivement. Résumé : Nous avons décrit un problème critique de prédiction de l'UCVA postopératoire pour les patients subissant des chirurgies LASIK. Nous avons modélisé la tâche comme un problème de régression. Nous avons exploré l'efficacité des caractéristiques démographiques, préopératoires et des paramètres chirurgicaux pour la tâche de prédiction. En utilisant un ensemble de données de 791 chirurgies LASIK effectuées sur 404 patients entre 2013 et 2014, nous avons testé l'efficacité des méthodes d'apprentissage automatique.

Intéressé par le même projet ou un projet similaire ?
Soumettez une demande et obtenez une évaluation gratuite de votre projet.