Методы машинного обучения в сравнительной оценке различных подходов к хирургическому лечению первичного закрытия угла передней камеры глаза

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

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. 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. 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. 

1. Quigley H.A. Long-term follow-up of laser iridotomy. Ophthalmology. 1981;88(3):218–224. DOI: 10.1016/s0161-6420(81)35038-6

2. Sihota 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-x

3. Курышева 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: 10.33978/2307-3586-2022-18-11-22-28

4. Курышева 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/oftalma202213801144

5. Курышева 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: 10.33791/2222-4408-2022-1-20-33

6. Song 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.0000000000001537

7. Song,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/jcm11092557

8. Azuara-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)30956-4

9. Родионова О.Е., Померанцев А.Л. Хемометрика: достижения и перспективы. Успехи химии. 2006;75(4):302–317. DOI: 10.1070/RC2006v075n04ABEH003599

10. Pomerantsev A.L. Acceptance areas for multivariate classification derived by projection methods. J. Chemometrics. 2008;22:601–609. DOI: 10.1002/cem.1147

11. Shehab 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.2022.10

12. Busnatu Ș., Niculescu A.G., Bolocan A. Clinical Applications of Artificial Intelligence-An Updated Overview. J Clin Med. 2022;11(8):2265. DOI: 10.3390/jcm11082265

13. Shah 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.2022.105221

14. Nuzzi 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.2021.710329

15. Asaoka 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.2018.10.007

16. Shibata 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-w

17. Hood 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.2018.04.020

18. Asaoka 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.2016.05.029

19. Wang 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-2021-320241

20. Quinn 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.2022.132738

21. Pinto 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.1c04004

22. Ferreira 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.2020.121796

23. Nazarenko 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.2018.10.002

24. Belyaev 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.2022.05.007

25. Foster 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.86.2.238

26. Chylack 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.1993.01090060119035

27. Курышева 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: 10.18008/1816-5095-2021-2-208-215

28. Курышева 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: 10.18008/1816-5095-2013-4-26-31

29. He 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)32607-2

30. Pomerantsev 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.2610

31. Щуко 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.

32. 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.

33. 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.0000000000000863

34. Huang 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.2011.272

35. Zebardast 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.2016.08.020

36. Moghimi 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.2016.03.032

37. Huang 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: 10.3109/02713683.2012.655396

38. Chen 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/s12886-022-02366-2

39. Shams 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