ophthalmologyОфтальмологияOphthalmology in Russia1816-50952500-0845Ophthalmology10.18008/1816-5095-2022-3-549-556ophthalmology-1919Research ArticleКЛИНИЧЕСКИЕ И ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯCLINICAL & EXPERIMENTAL RESEARCHМетоды машинного обучения в сравнительной оценке различных подходов к хирургическому лечению первичного закрытия угла передней камеры глазаMachine Learning Methods in the Comparative Evaluation of Various Approaches to the Surgical Treatment of Primary Angle Closurehttps://orcid.org/0000-0002-2265-6671КурышеваН. И.KuryshevaN. I.

доктор медицинских наук, профессор, заведующая кафедрой глазных болезней, ул. Живописная, 46, корп. 8, Москва, 123098;руководитель консультативно-диагностического отдела, ул. Гамалеи, 15, Москва, 123098

МD, Professor, head of the Ophthalmology department, Zhivopisnaya str., 46, bld. 8, Moscow, 123098;

head of the Consultative and diagnostic department, Gamalei str., 15, Moscow, 123098

https://orcid.org/0000-0001-7402-4011ПомеранцевА. Л.PomerantsevA. L.

доктор физико-математических наук, главный научный сотрудник,

пр. Косыгина, 4, Москва, 119991

Dr. of Phys. and Math., principal researcher,

Kosygin ave., 4, Moscow, 119991,

https://orcid.org/0000-0002-0146-8284РодионоваО. Е.RodionovaO. Ye.

доктор физико-математических наук, главный научный сотрудник,

пр. Косыгина, 4, Москва, 119991

Dr. of Phys. and Math., principal researcher,

Kosygin ave., 4, Moscow, 119991

https://orcid.org/0000-0002-7163-4858ШароваГ. А.SharovaG. A.

заведующая диагностическим офтальмологическим отделением, лазерный хирург,

пр. Буденного, 26, корп. 2, Москва, 105118

head of the Diagnostic ophthalmology department, laser surgeon,

Budenny ave., 26/2, Moscow, 105118

galina.shar@mail.ruМедико-биологический университет инноваций и непрерывного образования ФГБУ ГНЦ РФ «Федеральный биофизический центр им. А.И. Бурназяна» Федерального медико-биологического агентства; Консультативно-диагностический отдел Центра офтальмологии ФГБУ ГНЦ РФ «Федеральный биофизический центр им. А.И. Бурназяна» Федерального медико-биологического агентстваРоссияMedical Biological University of Innovations and Continuing Education of the Federal Biophysical Center named after A.I. Burnazyan; Diagnostic Department of the Ophthalmological Center of Federal Medical-Biological AgencyRussian FederationФГБУН «Федеральный исследовательский центр химической физики им. Н.Н. Семенова» Российской академии наукРоссияFederal Research Center for Chemical Physics of RASRussian FederationООО «Глазная клиника доктора Беликовой»РоссияOphthalmology Clinic of Dr. BelikovaRussian Federation202205102022193549556Copyright © Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А., 20222022Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А.Kurysheva N.I., Pomerantsev A.L., Rodionova O.Y., Sharova G.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.ophthalmojournal.com/opht/article/view/1919Цель

Цель: оценить применение метода главных компонент (МГК) и DD-SIMCA в сравнительном анализе хирургического лечения первичного закрытия угла передней камеры глаза.

Пациенты и методы

Пациенты и методы. Проспективное исследование включало 90 пациентов. Группа 1 — 30 пациентов с первичным закрытием угла (ПЗУ) с запланированной периферической лазерной иридотомией (ПЛИТ). Группа 2 — 30 пациентов с ПЗУ с запланированной факоэмульсификацией и имплантацией интраокулярной линзы (ФЭ + ИОЛ). Группа 3 — 30 глаз без офтальмопатологии. Всем обследуемым проведена SS-OCT. Проанализировано 37 показателей, включая внутриглазное давление, толщину хориоидеи в макуле, глубину передней камеры, высоту свода хрусталика, кривизну и толщину радужки, дистанцию открытия угла и иридотрабекулярное пространство в 500 и 750 мкм от склеральной шпоры. Поскольку все указанные параметры коррелируют между собой, то были использованы методы машинного обучения: МГК и метод одноклассовой классификации DD-SIMCA. Для этого были построены графики счетов и нагрузок в модели МГК для групп 1 и 2. При этом на графике счетов определены пациенты с ПЗУ со среднестатистическими и экстремальными параметрами глаза, а на графике нагрузок построены взаимосвязи параметров пациентов с ПЗУ между собой для анализа корреляций в будущем. В методе DD-SIMCA в качестве представителей целевого класса взята группа 1.

Результаты

Результаты. Модель классификации на основе двух главных компонент с заданным уровнем ошибки 1-го рода α = 0,01 продемонстрировала чувствительность 100 % для пациентов своей группы и чувствительность 93 % для пациентов группы 2. Эти результаты подтверждают сходство групп 1 и 2. Специфичность для группы контроля, расположенной далеко от целевой группы, составила 100 %.

Заключение

Заключение. Методы многомерного анализа дают возможность сравнивать группы с большим набором взаимосвязанных показателей. МГК позволяет выявлять пациентов с экстремальными параметрами и оценивать корреляции между множественными параметрами. DD-SIMCA подтверждает правомерность сравнения результатов лечения методом ПЛИТ и ФЭ + ИОЛ. 

Purpose

Purpose. To evaluate the application of the principal component analysis (PCA) and DD-SIMCA in a comparative analysis of the surgical treatment of primary angle closure.

Material and methods

Material and methods. The prospective study included 90 patients. Group 1 — 30 patients with primary angle closure (PAC) with planned laser peripheral iridotomy (LPI). Group 2 — 30 patients with PAC, with planned phacoemulsification with intraocular lens implantation (PE+IOL). Group 3 — 30 eyes without ophthalmic pathology. All subjects underwent SS-OCT. Thirty-seven parameters were analyzed, including intraocular pressure, choroidal thickness in the macula, anterior chamber depth, lens vault, iris curvature and thickness, angle opening distance, and iridotrabecular space at 500 µm and 750 µm from the scleral spur. Since all these parameters correlate with each other, machine learning methods were used: PCA and the DD-SIMCA one-class classification method. For this purpose graphs of scores and loads in the PCA model for groups 1 and 2 were plotted. In the score plot, patients with PAC with average and extreme eye parameters were identified, and in the loading plot, relationships between the parameters of patients with PM were used to analyze correlations in the future. In the DD-SIMCA method, group 1 is taken as representatives of the target class.

Results

Results. A classification model based on 2 principal components with a given type I error α = 0.01 demonstrated a sensitivity of 100 % for patients in its own group and a sensitivity of 93 % for patients in group 2. These results confirm similarity of group 1 and group 2. The specificity for the control group was 100 %, and this group located far from the target group.

Conclusion

Conclusion. Machine learning methods make it possible to compare groups with multivariate and correlated parameters. PCA allows the identification of patients with extreme parameters and the evaluation of correlations between multiple parameters. DDSIMCA confirms the validity of comparing the results of treatment with LPI and FE + IOL. 

метод главных компонент (МГК)метод DD-SIMCAметоды машинного обученияпервичный закрытый уголSS-OCTоптическая когерентная томография переднего отрезка (AS-OCT)Principal Component Analysis (PCA)Data Driven Soft Independent Modelling of Class Analogies (DD-SIMCA)machine learningprimary angle closureSS-OCToptical coherence tomography of the anterior segment (AS-OCT)ReferencesQuigley H.A. Long-term follow-up of laser iridotomy. Ophthalmology. 1981;88(3):218–224. DOI: 10.1016/s0161-6420(81)35038-6Quigley H.A. Long-term follow-up of laser iridotomy. Ophthalmology. 1981;88(3):218–224. DOI: 10.1016/s0161-6420(81)35038-6Sihota R., Rishi K., Srinivasan G., Gupta V., Dada T., Singh K. Functional evaluation of an iridotomy in primary angle closure eyes. Graefe’s Arch Clin Exp Ophthalmol = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie. 2016;254(6):1141–1149. DOI: 10.1007/s00417-016-3298-xSihota R., Rishi K., Srinivasan G., Gupta V., Dada T., Singh K. Functional evaluation of an iridotomy in primary angle closure eyes. Graefe’s Arch Clin Exp Ophthalmol = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie. 2016;254(6):1141–1149. DOI: 10.1007/s00417-016-3298-xКурышева Н.И., Шарова Г.А. Роль селективной лазерной трабекулопластики в лечении заболевания первичного закрытия угла передней камеры. Эффективная фармакотерапия. 2022;18(11):22–28. DOI: 10.33978/2307-3586-2022-18-11-22-28Kurysheva N.I., Sharova G.A. Role of Selective Laser Trabeculoplasty in the Treatment of Primary Angle Closure of the Anterior Chamber. Effective Pharmacotherapy = Effektivnaya farmakoterapiya. 2022;18(11):22–28 (In Russ.). DOI: 10.33978/2307-3586-2022-18-11-22-28Курышева Н.И., Шарова Г.А. Сравнительное исследование ретинальной микроциркуляции при заболевании первичного закрытого угла и начальной первичной открытоугольной глаукоме. Вестник офтальмологии. 2022;138(1):44–51. DOI: 10.17116/oftalma202213801144Kurysheva N.I., Sharova G.A. Comparative study of retinal microcirculation in primary angle closure disease and early primary open-angle glaucoma. Annals of Ophthalmology = Vestnik oftal’mologii. 2022;138(1):44–51 (In Russ.). DOI: 10.17116/oftalma202213801144Курышева Н.И., Шарова Г.А. Эффективность лазерной иридотомии при подозрении на первичное закрытие угла и при первичной закрытоугольной глаукоме. ГЛАЗ. 2022;24(1):20–33. DOI: 10.33791/2222-4408-2022-1-20-33Kurysheva N.I., Sharova G.A. Efficacy of laser iridotomy in primary angle closure suspects and primary angle closure glaucoma. Eye = Glaz 2022;24(1):20–33 (In Russ.). DOI: 10.33791/2222-4408-2022-1-20-33Song M.K., Sung K.R., Shin J.W., Jo Y.H., Won H.J. Glaucomatous Progression After Lens Extraction in Primary Angle Closure Disease Spectrum. J Glaucoma. 2020;29(8):711–717. DOI: 10.1097/IJG.0000000000001537Song M.K., Sung K.R., Shin J.W., Jo Y.H., Won H.J. Glaucomatous Progression After Lens Extraction in Primary Angle Closure Disease Spectrum. J Glaucoma. 2020;29(8):711–717. DOI: 10.1097/IJG.0000000000001537Song,M.K., Shin J.W., Sung, K.R. Factors Associated with Deterioration of Primary Angle Closure after Lens Extraction. J.Clin. Med. 2022;11:2557. DOI: 10.3390/jcm11092557Song,M.K., Shin J.W., Sung, K.R. Factors Associated with Deterioration of Primary Angle Closure after Lens Extraction. J.Clin. Med. 2022;11:2557. DOI: 10.3390/jcm11092557Azuara-Blanco A., Burr J., Ramsay C., Cooper D. Effectiveness of early lens extraction for the treatment of primary angle-closure glaucoma (EAGLE): a andomized controlled trial. Lancet. 2016;388(10052):1389–1397. DOI: 10.1016/S0140-6736(16)30956-4Azuara-Blanco A., Burr J., Ramsay C., Cooper D. Effectiveness of early lens extraction for the treatment of primary angle-closure glaucoma (EAGLE): a andomized controlled trial. Lancet. 2016;388(10052):1389–1397. DOI: 10.1016/S0140-6736(16)30956-4Родионова О.Е., Померанцев А.Л. Хемометрика: достижения и перспективы. Успехи химии. 2006;75(4):302–317. DOI: 10.1070/RC2006v075n04ABEH003599Rodionova O.Ye, Pomerantsev A.L. Chemometrics: achievements and prospects. Russian Chemical Reviews = Uspehi himii. 2006;75(4):302–317 (In Russ.). DOI: 10.1070/RC2006v075n04ABEH003599Pomerantsev A.L. Acceptance areas for multivariate classification derived by projection methods. J. Chemometrics. 2008;22:601–609. DOI: 10.1002/cem.1147Pomerantsev A.L. Acceptance areas for multivariate classification derived by projection methods. J. Chemometrics. 2008;22:601–609. DOI: 10.1002/cem.1147Shehab M., Abualigah L., Shambour Q. Machine learning in medical applications: A review of state-of-the-art methods [published online ahead of print, 2022 Mar 28]. Comput Biol Med. 2022;145:105458. DOI: 10.1016/j.compbiomed.2022.10Shehab M., Abualigah L., Shambour Q. Machine learning in medical applications: A review of state-of-the-art methods [published online ahead of print, 2022 Mar 28]. Comput Biol Med. 2022;145:105458. DOI: 10.1016/j.compbiomed.2022.10Busnatu Ș., Niculescu A.G., Bolocan A. Clinical Applications of Artificial Intelligence-An Updated Overview. J Clin Med. 2022;11(8):2265. DOI: 10.3390/jcm11082265Busnatu Ș., Niculescu A.G., Bolocan A. Clinical Applications of Artificial Intelligence-An Updated Overview. J Clin Med. 2022;11(8):2265. DOI: 10.3390/jcm11082265Shah S.M., Khan R.A., Arif S., Sajid U. Artificial intelligence for breast cancer analysis: Trends & directions. Comput Biol Med. 2022;142:105221. DOI: 10.1016/j.compbiomed.2022.105221Shah S.M., Khan R.A., Arif S., Sajid U. Artificial intelligence for breast cancer analysis: Trends & directions. Comput Biol Med. 2022;142:105221. DOI: 10.1016/j.compbiomed.2022.105221Nuzzi R., Boscia G., Marolo P., Ricardi F. The Impact of Artificial Intelligence and Deep Learning in Eye Diseases: A Review. Front Med (Lausanne). 2021;8:710329. DOI: 10.3389/fmed.2021.710329Nuzzi R., Boscia G., Marolo P., Ricardi F. The Impact of Artificial Intelligence and Deep Learning in Eye Diseases: A Review. Front Med (Lausanne). 2021;8:710329. DOI: 10.3389/fmed.2021.710329Asaoka R., Murata H., Hirasawa K. Using Deep Learning and Transfer Learning to Accurately Diagnose Early-Onset Glaucoma From Macular Optical Coherence Tomography Images. Am J Ophthalmol. 2019;198:136–145. DOI: 10.1016/j.ajo.2018.10.007Asaoka R., Murata H., Hirasawa K. Using Deep Learning and Transfer Learning to Accurately Diagnose Early-Onset Glaucoma From Macular Optical Coherence Tomography Images. Am J Ophthalmol. 2019;198:136–145. DOI: 10.1016/j.ajo.2018.10.007Shibata N., Tanito M., Mitsuhashi K. Development of a deep residual learning algorithm to screen for glaucoma from fundus photography. Sci Rep. 2018;8(1):14665. DOI: 10.1038/s41598-018-33013-wShibata N., Tanito M., Mitsuhashi K. Development of a deep residual learning algorithm to screen for glaucoma from fundus photography. Sci Rep. 2018;8(1):14665. DOI: 10.1038/s41598-018-33013-wHood D.C., De Moraes C.G. Efficacy of a Deep Learning System for Detecting Glaucomatous Optic Neuropathy Based on Color Fundus Photographs. Ophthalmology. 2018;125(8):1207–1208. DOI: 10.1016/j.ophtha.2018.04.020Hood D.C., De Moraes C.G. Efficacy of a Deep Learning System for Detecting Glaucomatous Optic Neuropathy Based on Color Fundus Photographs. Ophthalmology. 2018;125(8):1207–1208. DOI: 10.1016/j.ophtha.2018.04.020Asaoka R., Murata H., Iwase A., Araie M. Detecting Preperimetric Glaucoma with Standard Automated Perimetry Using a Deep Learning Classifier. Ophthalmology. 2016;123(9):1974–1980. DOI: 10.1016/j.ophtha.2016.05.029Asaoka R., Murata H., Iwase A., Araie M. Detecting Preperimetric Glaucoma with Standard Automated Perimetry Using a Deep Learning Classifier. Ophthalmology. 2016;123(9):1974–1980. DOI: 10.1016/j.ophtha.2016.05.029Wang Y., Cun Q., Li J. Prevalence, ethnic differences and risk factors of primary angle-closure glaucoma in a multiethnic Chinese adult population: the Yunnan Minority Eye Study [published online ahead of print, 2021 Dec 21]. Br J Ophthalmol. 2021;bjophthalmol-2021-320241. DOI: 10.1136/bjophthalmol-2021-320241Wang Y., Cun Q., Li J. Prevalence, ethnic differences and risk factors of primary angle-closure glaucoma in a multiethnic Chinese adult population: the Yunnan Minority Eye Study [published online ahead of print, 2021 Dec 21]. Br J Ophthalmol. 2021;bjophthalmol-2021-320241. DOI: 10.1136/bjophthalmol-2021-320241Quinn B., McCarron P., Hong Y. Elementomics combined with dd-SIMCA and K-NN to identify the geographical origin of rice samples from China, India, and Vietnam. Food Chem. 2022;386:132738. DOI: 10.1016/j.foodchem.2022.132738Quinn B., McCarron P., Hong Y. Elementomics combined with dd-SIMCA and K-NN to identify the geographical origin of rice samples from China, India, and Vietnam. Food Chem. 2022;386:132738. DOI: 10.1016/j.foodchem.2022.132738Pinto F.G., Mahmud I., Rubio V.Y. Data-Driven Soft Independent Modeling of Class Analogy in Paper Spray Ionization Mass Spectrometry-Based Metabolomics for Rapid Detection of Prostate Cancer. Anal Chem. 2022;94(4):1925–1931. DOI: 10.1021/acs.analchem.1c04004Pinto F.G., Mahmud I., Rubio V.Y. Data-Driven Soft Independent Modeling of Class Analogy in Paper Spray Ionization Mass Spectrometry-Based Metabolomics for Rapid Detection of Prostate Cancer. Anal Chem. 2022;94(4):1925–1931. DOI: 10.1021/acs.analchem.1c04004Ferreira R., Marcos A.S., Anjos M., Maia C., Pinto A.R.G., de Azevedo A., de Brito J. Long-term analysis of the physical properties of the mixed recycled aggregate and their effect on the properties of mortars. Construction and Building Materials. 2021;274:121796. DOI: 10.1016/j.conbuildmat.2020.121796Ferreira R., Marcos A.S., Anjos M., Maia C., Pinto A.R.G., de Azevedo A., de Brito J. Long-term analysis of the physical properties of the mixed recycled aggregate and their effect on the properties of mortars. Construction and Building Materials. 2021;274:121796. DOI: 10.1016/j.conbuildmat.2020.121796Nazarenko R.V., Irzhak A.V., Pomerantsev A.L., Rodionova O.Y. Confocal Raman spectroscopy and multivariate data analysis for evaluation of spermatozoa with normal and abnormal morphology. A feasibility study. Chemom. Intell. Lab. Syst. 2018;182(October):172–179. DOI: 10.1016/j.chemolab.2018.10.002Nazarenko R.V., Irzhak A.V., Pomerantsev A.L., Rodionova O.Y. Confocal Raman spectroscopy and multivariate data analysis for evaluation of spermatozoa with normal and abnormal morphology. A feasibility study. Chemom. Intell. Lab. Syst. 2018;182(October):172–179. DOI: 10.1016/j.chemolab.2018.10.002Belyaev I., Marolda A., Praetorius J.-P., Sarkar A., Medyukhina A., Hünniger K., Kurzai O., Thilo Figge M. Automated Characterisation of Neutrophil Activation Phenotypes in Ex Vivo Human Candida Blood Infections. Computational and Structural Biotechnology Journal. 2022;10;20:2297-2308. DOI: 10.1016/j.csbj.2022.05.007Belyaev I., Marolda A., Praetorius J.-P., Sarkar A., Medyukhina A., Hünniger K., Kurzai O., Thilo Figge M. Automated Characterisation of Neutrophil Activation Phenotypes in Ex Vivo Human Candida Blood Infections. Computational and Structural Biotechnology Journal. 2022;10;20:2297-2308. DOI: 10.1016/j.csbj.2022.05.007Foster P.J., Buhrmann R., Quigley H.A., Johnson G.J. The definition and classification of glaucoma in prevalence surveys. Br J Ophthalmol. 2002;86(2):238–242. DOI: 10.1136/bjo.86.2.238Foster P.J., Buhrmann R., Quigley H.A., Johnson G.J. The definition and classification of glaucoma in prevalence surveys. Br J Ophthalmol. 2002;86(2):238–242. DOI: 10.1136/bjo.86.2.238Chylack L.T. Jr, Wolfe J.K., Singer D.M. The Lens Opacities Classification System III. The Longitudinal Study of Cataract Study Group. Arch Ophthalmol. 1993;111(6):831–836. DOI: 10.1001/archopht.1993.01090060119035Chylack L.T. Jr, Wolfe J.K., Singer D.M. The Lens Opacities Classification System III. The Longitudinal Study of Cataract Study Group. Arch Ophthalmol. 1993;111(6):831–836. DOI: 10.1001/archopht.1993.01090060119035Курышева Н.И., Шарова Г.А. Роль оптической когерентной томографии в диагностике заболеваний закрытого угла передней камеры. Часть 1: Визуализация переднего сегмента глаза. Офтальмология. 2021;18(2):208–215. DOI: 10.18008/1816-5095-2021-2-208-215Kurysheva N.I., Sharova G.A. The Role of Optical Coherence Tomography in the Diagnosis of Angle Closed Diseases of the Anterior Chamber. Part 1: Visualization of the Anterior Segment of the Eye. Ophthalmology in Russia = Oftal’mologiya. 2021;18(2):208–215 (In Russ.). DOI: 10.18008/1816-5095-2021-2-208-215Курышева Н.И., Бояринцева М.А., Фомин А.В. Хориоидея при первичной закрытоугольной глаукоме: результаты исследования методом оптической когерентной томографии. Офтальмология. 2013;10(4):26–31. DOI: 10.18008/1816-5095-2013-4-26-31Kurysheva N.I., Boyarinceva M.A., Fomin A.V. Choroidal thickness in primary angle-closure glaucoma: the results of Measurement by Means of Optical Coherence Tomography. Ophthalmology in Russia = Oftal’mologiya.. 2013;10(4):26–31. DOI: 10.18008/1816-5095-2013-4-26-31He M., Jiang Y., Huang S., Chang D.S., Munoz B., Aung T., Foster P.J., Friedman D.S. Laser peripheral iridotomy for the prevention of angle closure: a single-centre, Randomized controlled trial. Lancet. 2019 Apr 20;393(10181):1609–1618. DOI: 10.1016/S0140-6736(18)32607-2He M., Jiang Y., Huang S., Chang D.S., Munoz B., Aung T., Foster P.J., Friedman D.S. Laser peripheral iridotomy for the prevention of angle closure: a single-centre, Randomized controlled trial. Lancet. 2019 Apr 20;393(10181):1609–1618. DOI: 10.1016/S0140-6736(18)32607-2Pomerantsev A.L., Rodionova O.Ye. Concept and role of extreme objects in PCA/ SIMCA. J. Chemometrics. 2014;28:429–438. DOI: 10.1002/cem.2506 31. Pomerantsev A.L., Rodionova O.Ye. On the type II error in SIMCA method. J. Chemometrics. 2014;28:518-522. DOI: 10.1002/cem.2610Pomerantsev A.L., Rodionova O.Ye. Concept and role of extreme objects in PCA/ SIMCA. J. Chemometrics. 2014;28:429–438. DOI: 10.1002/cem.2506 31. Pomerantsev A.L., Rodionova O.Ye. On the type II error in SIMCA method. J. Chemometrics. 2014;28:518-522. DOI: 10.1002/cem.2610Щуко А.Г., Чешейко Е.Ю., Юрьева Т.Н. Критерии дифференциальной диагностики функционального ангулярного блока — латентной стадии закрытоугольной глаукомы. Вестник Оренбургского государственного университета. 2012;148(12):239–243.Shchuko A.G., Chesheyko Ye.Yu., Yuryeva T.N. Criteria for differential diagnostics of functional angular block — latent stage of closed — angle glaucoma. Annals of Orenburg State University = Vestnik Orenburgskogo gosudarstvennogo universiteta. 2012;148(12):239–243 (In Russ.).Щуко А.Г., Чешейко Е.Ю., Юрьева Т.Н., Малышев В.В. Структурно-функциональные изменения зрительной системы у пациентов с функциональным ангулярным блоком. Российский медицинский журнал. Клиническая офтальмология. 2007;8(4);137.Schuko A.G., Chesheiko E.Yu., Yur’eva T.N., Malyshev V.V. Structural and functional changes of visual system in patients with functional angular block. Russian Medical Journal. Clinical Ophthalmology = Rossiyskiy medicinskiy zhurnal. Klinicheskaya oftal’mologiya. 2007;8(4);137 (In Russ.).Bo J., Changulani T., Cheng M.L., Tatham A.J. Outcome Following Laser Peripheral Iridotomy and Predictors of Future Lens Extraction. J Glaucoma. 2018;27(3):275– 280. DOI: 10.1097/IJG.0000000000000863Bo J., Changulani T., Cheng M.L., Tatham A.J. Outcome Following Laser Peripheral Iridotomy and Predictors of Future Lens Extraction. J Glaucoma. 2018;27(3):275– 280. DOI: 10.1097/IJG.0000000000000863Huang G., Gonzalez E., Peng P.H. Anterior chamber depth, iridocorneal angle width, and intraocular pressure changes after phacoemulsification: narrow vs open iridocorneal angles [published correction appears in Arch Ophthalmol. 2011 Nov;129(11):1497]. Arch Ophthalmol. 2011;129(10):1283-1290. DOI: 10.1001/archophthalmol.2011.272Huang G., Gonzalez E., Peng P.H. Anterior chamber depth, iridocorneal angle width, and intraocular pressure changes after phacoemulsification: narrow vs open iridocorneal angles [published correction appears in Arch Ophthalmol. 2011 Nov;129(11):1497]. Arch Ophthalmol. 2011;129(10):1283-1290. DOI: 10.1001/archophthalmol.2011.272Zebardast N., Kavitha S., Krishnamurthy P. Changes in Anterior Segment Morphology and Predictors of Angle Widening after Laser Iridotomy in South Indian Eyes. Ophthalmology. 2016;123(12):2519–2526. DOI: 10.1016/j.ophtha.2016.08.020Zebardast N., Kavitha S., Krishnamurthy P. Changes in Anterior Segment Morphology and Predictors of Angle Widening after Laser Iridotomy in South Indian Eyes. Ophthalmology. 2016;123(12):2519–2526. DOI: 10.1016/j.ophtha.2016.08.020Moghimi S., Chen R., Johari M., Bijani F., Mohammadi M., Khodabandeh A., He M.G., Lin S.C. Changes in anterior segment morphology after laser peripheral iridotomy in acute primary angle closure. Am J Ophthalmol. 2016;166:133–140. DOI: 10.1016/j.ajo.2016.03.032Moghimi S., Chen R., Johari M., Bijani F., Mohammadi M., Khodabandeh A., He M.G., Lin S.C. Changes in anterior segment morphology after laser peripheral iridotomy in acute primary angle closure. Am J Ophthalmol. 2016;166:133–140. DOI: 10.1016/j.ajo.2016.03.032Huang G., Gonzalez E., Lee R., Osmonavic S., Leeungurasatien T., He M., Lin S.C. Anatomic predictors for anterior chamber angle opening after laser peripheral iridotomy in narrow angle eyes. Curr Eye Res. 2012;37(7):575–582. DOI: 10.3109/02713683.2012.655396Huang G., Gonzalez E., Lee R., Osmonavic S., Leeungurasatien T., He M., Lin S.C. Anatomic predictors for anterior chamber angle opening after laser peripheral iridotomy in narrow angle eyes. Curr Eye Res. 2012;37(7):575–582. DOI: 10.3109/02713683.2012.655396Chen X., Wang X., Tang Y., Sun X., Chen Y. Optical coherence tomography analysis of anterior segment parameters before and after laser peripheral iridotomy in primary angle-closure suspects by using CASIA2. BMC Ophthalmol. 2022;22(1):144. DOI: 10.1186/s12886-022-02366-2Chen X., Wang X., Tang Y., Sun X., Chen Y. Optical coherence tomography analysis of anterior segment parameters before and after laser peripheral iridotomy in primary angle-closure suspects by using CASIA2. BMC Ophthalmol. 2022;22(1):144. DOI: 10.1186/s12886-022-02366-2Shams P.N., Foster P.J. Clinical outcomes after lens extraction for visually significant cataract in eyes with primary angle closure. J Glaucoma. 2012;21(8):545–550. DOI: 10.1097/IJG.0b013e31821db1dbShams P.N., Foster P.J. Clinical outcomes after lens extraction for visually significant cataract in eyes with primary angle closure. J Glaucoma. 2012;21(8):545–550. DOI: 10.1097/IJG.0b013e31821db1db

The authors declare that there are no conflicts of interest present.