Cálculo de la potencia de una lente intraocular mediante técnicas de machine learning

Abstract

El objetivo del TFM es laobtención de un algoritmo predictor para la potencia de la lente intraocular que implantaremos en un ojo. Retrospectivamente se emplearon 260 ojos caracterizados biométricamente, con lentes intraoculares implantadas y resultados refractivos obtenidos. Implementamos diferentes algoritmos de regresión para predecir el valor de potencia dióptrica de la lente intraocular a implantar con la que vamos a obtener el mejor resultado refractivo. Se hizo validación externa del modelo y los resultados de predicción se compararon con Holladay II, Haigis, Barrett Universal II y Hill-RBF. Se obtuvo un modelo de regresión combinado con un R2 de 0.9863 y un RMSE de 0.6102. En las comparaciones con otras fórmulas de cálculo biométrico se obtiene un EAM de 0.34 ± 0.26 D (0.00/1.07) y un 75% de ojos incluidos en ±0.50 D. CONCLUSIONES: se implementa un modelo regresivo no paramétrico con técnicas de machine learning, capaz de competir con las mejores fórmulas de cálculo biométrico.

L'objectiu del TFM és l'obtenció d'un algorisme predictor per a la potència de la lent intraocular que implantarem en un ull. Retrospectivament es van emprar 260 ulls caracteritzats biomètricament, amb lents intraoculars implantades i resultats refractius obtinguts. Implementem diferents algorismes de regressió per predir el valor de potència dióptrica de la lent intraocular a implantar amb la qual anem a obtenir el millor resultat refractiu. Es va fer validació externa del model i els resultats de predicció es van comparar amb Holladay II, Haigis, Barrett Universal II i Hill-RBF. Es va obtenir un model de regressió combinat amb un R2 de 0.9863 i un RMSE de 0.6102. En les comparacions amb altres fórmules de càlcul biomètric s'obté un EAM de 0.34 ± 0.26 D (0.00/1.07) i un 75% d'ulls inclosos en ±0.50 D. CONCLUSIONS: s'implementa un model regressiu no paramètric amb tècniques de machine learning, capaç de competir amb les millors fórmules de càlcul biomètric.

The purpose of this master's thesis projecte is to develop a predictive algorithm to obtain the power of an intraocular lens to be implanted in an eye. Retrospectively, a total of 260 eyes biometric characterized with intraocular lens implanted and their corresponding refractive outcomes. Were used to get the best refractive outcomes, several regression algorithms were implemented to predict the dioptric power of the lens that will be implanted in a surgery. The best result was a stacking regression model with a R2 equal to 0.9863 and a RMSE equal to 0.6102. Comparing with other intraocular lens power calculation formulas, the outcomes were MAE of 0.34 ± 0.26 D (0.00/1.07) and the percentage of eyes within ± 0.50 D were 75%. A non-parametric regressive model with machine learning techniques is implemented, capable of competing with the best intraocular lens power calculation formulas.