基于人工智能的IOL屈光度计算公式

doi:10.3760/cma.j.cn115500-20241103-25203

国际眼科纵览 ›› 2025, Vol. 49 ›› Issue (2): 95-100.doi: 10.3760/cma.j.cn115500-20241103-25203

基于人工智能的IOL屈光度计算公式

张然王震宇杨一佺王进达

首都医科大学附属北京同仁医院北京同仁眼科中心眼科学与视觉科学北京市重点实验室，北京 100730

收稿日期:2024-11-03 出版日期:2025-04-22 发布日期:2025-04-10
通讯作者: 王进达，Email：wjd3636@163.com
基金资助:
北京市自然科学基金（7242038）；北京市科技新星计划（20220484224）

Intraocular lens power calculation formulas based on artificial intelligence

Zhang Ran, Wang Zhenyu, Yang Yiquan, Wang Jinda

Beijing Tongren Eye Center, Beijing Tongren Hospital, Capital Medical University; Beijing Key Laboratory of Ophthalmology and Visual Sciences, Beijing 100730, China

Received:2024-11-03 Online:2025-04-22 Published:2025-04-10
Contact: Wang Jinda, Email: wjd3636@163.com
Supported by:
Beijing Natural Science Foundation (7242038); Beijing Nova Program (20220484224)

摘要/Abstract

摘要： 目前临床上已有多种IOL屈光度计算公式，但在预测准确性方面仍有提升空间，尤其是在极端眼轴长度或复杂眼部条件的患者中表现不足。为提高IOL屈光度计算的准确性，基于人工智能（artificial intelligence，AI）的IOL屈光度计算公式被人们开发并寄予厚望。本文总结了近几年新开发的基于AI的IOL屈光度计算公式，包括纯数据驱动的IOL屈光度计算公式（Hill-RBF公式、Karmona公式、Nallasamy公式等），光学理论结合AI的IOL屈光度计算公式（Kane公式、PEARL-DGS公式、LISA-PPV公式等），其他公式（Hoffer QST公式、Ladas公式、Zhu-Lu公式等），这些公式在处理极端眼轴和复杂眼部条件时展现出更高的预测精度，为临床医师提供更多的公式选择，进一步提高IOL屈光度的预测准确性。（国际眼科纵览，2025, 49：95-100）

关键词: 人工智能, IOL, 计算公式

Abstract: Currently, there are various intraocular lens (IOL) power calculation formulas available in clinical practice, but there is still room for improvement in their prediction accuracy, especially in cases of extreme axial lengths and complex ocular conditions. To enhance the accuracy of IOL power calculations, IOL power calculation formulas based on artificial intelligence (AI) have been developed and hold great promise. This article summarizes the newly developed AI-based IOL power calculation formulas in recent years, including pure data-driven IOL power calculation formulas (Hill RBF formula, Karmana formula, Nallasamy formula, etc.), optical theory combined with AI IOL power calculation formulas (Kane formula, PEARL-DGS formula, LISA-PPV formula, etc.), and other formulas (Hoffer QST formula, Ladas formula, Zhu Lu formula, etc.). These formulas demonstrate higher prediction accuracy when dealing with extreme eye axis and complex eye conditions, aiming to provide clinicians with more options and further improve the prediction accuracy of IOL power. (Int Rev Ophthalmol, 2025, 49: 95-100)

Key words: artificial intelligence, IOL, formula

张然王震宇杨一佺王进达. 基于人工智能的IOL屈光度计算公式[J]. 国际眼科纵览, 2025, 49(2): 95-100.

Zhang Ran, Wang Zhenyu, Yang Yiquan, Wang Jinda. Intraocular lens power calculation formulas based on artificial intelligence[J]. International Review of Ophthalmology, 2025, 49(2): 95-100.

[1]	苏文华, 王雪林陆晓和陈娟娟黄新宇黎颖莉. 水眼白内障术后屈光漂移的影响因素[J]. 国际眼科纵览, 2024, 48(6): 420-425.
[2]	王烽蓝诚红彭静邵毅. 人工智能在眼科手术中的应用[J]. 国际眼科纵览, 2024, 48(5): 393-399.
[3]	黄艳高杰甄毅. 摄影验光技术的发展历程及在儿童屈光不正筛查中的应用[J]. 国际眼科纵览, 2024, 48(5): 385-392.
[4]	王子健甘小林张璐郭长梅. 人工智能在斜视与小儿眼科中的应用[J]. 国际眼科纵览, 2024, 48(2): 99-103.
[5]	赵润泽孙小佳廉坤常天芳窦国睿. 高血压性视网膜病变与其他重要靶器官损伤的相关性[J]. 国际眼科纵览, 2023, 47(5): 418-423.
[6]	王子艺刘含若. 人工智能在青光眼早期筛查诊断及随访的应用研究现状[J]. 国际眼科纵览, 2023, 47(3): 250-256.
[7]	郭凯露何珊胡爱莲. 相干光断层扫描血管成像术在糖尿病视网膜病变检测中的应用[J]. 国际眼科纵览, 2022, 46(6): 528-534.
[8]	闻一诺, 蒋永祥. 眼前节发育不良并发白内障的手术与IOL选择[J]. 国际眼科纵览, 2022, 46(3): 211-215.
[9]	刘盼邵正波. 人工智能在屈光手术中的研究与应用进展[J]. 国际眼科纵览, 2022, 46(2): 189-192.
[10]	丁娟张伟. 眼科影像检查在斜视诊疗中的应用[J]. 国际眼科纵览, 2022, 46(2): 139-143.
[11]	陈淑莹, 王开杰, 万修华. 人工智能在白内障诊断和分级中的应用[J]. 国际眼科纵览, 2021, 45(3): 231-236.
[12]	杜颖琪周南齐艳华. 人工智能在白内障诊断治疗中的应用[J]. 国际眼科纵览, 2020, 44(6): 386-390.
[13]	宋琳琳李志清马文江. 远程医疗数字化成像在糖尿病视网膜病变筛查中的应用[J]. 国际眼科纵览, 2019, 43(1): 2-7.
[14]	朱谷雨张景尚万修华. 人工智能在眼科的应用进展[J]. 国际眼科纵览, 2019, 43(1): 14-18.
[15]	邱威吴强. 长眼轴白内障患者人工晶状体计算公式研究进展[J]. 国际眼科纵览, 2018, 42(2): 93-97.

基于人工智能的IOL屈光度计算公式

Intraocular lens power calculation formulas based on artificial intelligence

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价