Разработка приложения для автоматического определения морфологических типов белой катаракты на основе данных ИОКТ и машинного обучения
Ключевые слова:
белая катаракта, интраоперационная оптическая когерентная томография, искусственный интеллект, машинное обучение, логистическая регрессия, классификация, фемтолазер-ассистированная хирургия катарактыАннотация
Цель. Разработать компьютерное приложение для автоматического определения морфологических типов белой катаракты по изображениям интраоперационной оптической когерентной томографии (ИОКТ) передних отделов хрусталика и оценить его классификационную способность.
Материал и методы. Материалом послужили 445 ИОКТ-изображений белой катаракты (обучающая выборка —
345, тестовая — 100), полученных в ходе операций факоэмульсификации. Классификация изображений проводилась согласно типологии J.S. Titiyal и соавт. (2020), выделяющей 4 морфологических типа. Разработано локальное веб-приложение CataractAI на базе многоклассовой логистической регрессии с вероятностным выводом и модулем
экспертной валидации (human-in-the-loop). Оценка классификационной способности проведена на сбалансированной тестовой выборке (25 изображений на каждый тип) по показа телям точности.
Результаты. Общая точность классификации на тестовой выборке из 100 изображений составила 90,0% (90 из 100). Точность по типам: Тип 1 — 92,0% (23/25), Тип 2 — 88,0% (22/25), Тип 3 — 84,0% (21/25), Тип 4 — 96,0% (24/25). Ошибки классификации возникали между типами со сх одными томографическими признаками.
Выводы. Разработанное приложение CataractAI позволяет стандартизировать интерпретацию ИОКТ-изображений белой катаракты, снизить субъективность оценки морфологического типа и может служить основой для выбора оптимальной хирургической тактики, включая параметры фемтолазерного сопровождения.
Библиографические ссылки
1. Пирогова Е.С., Фабрикантов О.Л., Николашин С.И. Хирургия набухающей катаракты. Вестник офтальмологии. 2018;134(2): 98–103. [Pirogova ES, Fabrikantov OL, Nikolashin SI. Surgery of intumescent cataract. Russian Annals of Ophthalmology. 2018;134(2): 98–103. (In Russ.)] https://doi.org/10.17116/oftalma2018134298-103
2. Аветисов С.Э., Мамиконян В.Р., Юсеф Ю.Н., и др. Гибридная факоэмульсификация: новый этап в совершенствовании хирургии катаракты. Вестник офтальмологии. 2014;130(2): 4–7. [Avetisov SE, Mamikonyan VR, Yusef YuN, et al. Hybrid phacoemulsification: a new stage in cataract surgery improvement. Russian Annals of Ophthalmology. 2014;130(2): 4–7. (In Russ.)]
3. Day AC, Gartry DS, Maurino V, Allan BD, Stevens JD. Efficacy of anterior capsulotomy creation in femtosecond laser-assisted cataract surgery. J Cataract Refract Surg. 2014;40(12): 2031–4. https://doi.org/10.1016/j.jcrs.2014.07.027
4. Friedman NJ, Palanker DV, Schuele G, et al. Femtosecond laser capsulotomy. J Cataract Refract Surg. 2013;39(10): 1581–6. https://doi.org/10.1016/j.jcrs.2011.04.022
5. Mastropasqua L, Toto L, Calienno R, et al. Scanning electron microscopy evaluation of capsulorhexis in femtosecond laser-assisted cataract surgery. J Cataract Refract Surg. 2013;39(10): 1581–6. https://doi.org/10.1016/j.jcrs.2013.06.016
6. Nagy ZZ, Takacs AI, Filkorn T, et al. Complications of femtosecond laser-assisted cataract surgery. J Cataract Refract Surg. 2014;40(1): 20–8. https://doi.org/10.1016/j.jcrs.2013.08.046
7. Titiyal JS, Kaur M, Singh A, et al. Comparative evaluation of femtosecond laser-assisted cataract surgery and conventional phacoemulsification in white cataract. Clin Ophthalmol. 2016;10: 1357–64. https://doi.org/10.2147/opth.s108243
8. Taravella MJ, Meghpara B, Frank G, et al. Femtosecond laser-assisted cataract surgery in complex cases. J Cataract Refract Surg. 2016;42(6): 813–6. https://doi.org/10.1016/j.jcrs.2016.02.049
9. Chee SP, Wong MH, Jap A. Management of severely subluxated cataracts using femtosecond laser-assisted cataract surgery. Am J Ophthalmol. 2017;173: 7–15. https://doi.org/10.1016/j.ajo.2016.09.021
10. Chen X, Yu Y, Song X, et al. Clinical outcomes of femtosecond laser-assisted cataract surgery versus conventional phacoemulsification surgery for hard nuclear cataracts. J Cataract Refract Surg. 2017;43(4): 486–91. https://doi.org/10.1016/j.jcrs.2017.01.010
11. Titiyal JS, Kaur M, Ramesh P, et al. Impact of clear corneal incision morphology on incision-site Descemet membrane detachment in conventional and femtosecond laser-assisted phacoemulsification. Curr Eye Res. 2018;43(3): 293–9. https://doi.org/10.1080/02713683.2017.1396616
12. Titiyal JS, Kaur M, Sahu S, Sharma N, Sinha R. Real-time assessment of intraoperative vaulting in implantable collamer lens and correlation with postoperative vaulting. Eur J Ophthalmol. 2017;27(1): 21–5. https://doi.org/10.5301/ejo.5000818
13. Titiyal JS, Kaur M, Falera R. Intraoperative optical coherence tomography in anterior segment surgeries. Indian J Ophthalmol. 2017;65(2): 116–21. https://doi.org/10.4103/ijo.IJO_868_16
14. Titiyal JS, Kaur M, Shaikh F, Goel S, Bageshwar LMS. Real-time intraoperative dynamics of white cataract-intraoperative optical coherence tomography-guided classification and management. J Cataract Refract Surg. 2020;46(4):598–605. https://doi.org/10.1097/j.jcrs.0000000000000086
15. Abràmoff MD, Lavin PT, Birch M, Shah N, Folk JC. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. NPJ Digit Med. 2018;1: 39. https://doi.org/10.1038/s41746-018-0040-6
16. De Fauw J, Ledsam JR, Romera-Paredes B, et al. Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med. 2018;24(9): 1342–50. https://doi.org/10.1038/s41591-018-0107-6
17. Wang R-Y, Yang W-H, Zhang S-C, Sun L. Artificial intelligence applications in ophthalmic optical coherence tomography: a 12-year bibliometric analysis. Int J Ophthalmol. 2024;17(12): 2295–307. https://doi.org/10.18240/ijo.2024.12.19
18. Ting DSW, Pasquale LR, Peng L, et al. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol. 2019;103(2): 167–75.
19. Müller S, Jain M, Sachdeva B, et al. Artificial Intelligence in Cataract Surgery: A Systematic Review. Transl Vis Sci Technol. 2024;13(4): 20. https://doi.org/10.1167/tvst.13.4.20
20. Panthier C, Zeboulon P, Rouger H, Bijon J, Gatinel D. CATALYZE: a deep learning approach for cataract assessment and grading on SS-OCT images. J Cataract Refract Surg. 2025;51(3): 222–228. https://doi.org/10.1097/j.jcrs.0000000000001598
21. Takinami S, Ueno Y, Mori H, et al. Advancement of cataract classification with artificial intelligence using anterior segment optical coherence tomography images with self-supervised vision transformer. Jpn J Ophthalmol. 2026. https://doi.org/10.1007/s10384-025-01323-y
22. Chee SP, Chan NS, Yang Y, Ti SE. Femtosecond laser-assisted cataract surgery for the white cataract. Br J Ophthalmol. 2019;103(4): 544–50. https://doi.org/10.1136/bjophthalmol-2018-312289
23. Терещенко А.В., Трифаненкова И.Г., Окунева М.В., Булатов А.Р. Оптимизация энергетических параметров фемтолазерной передней капсулотомии в хирургии набухающих перезрелых катаракт. Вестник ВолгГМУ. 2022;19(4): 57–62. [Tereshchenko AV, Trifanenkova IG, Okuneva MV, Bulatov AR. Optimization of energy parameters of femtosecond laser anterior capsulotomy in surgery of intumescent mature cataracts. Journal of VolgSMU. 2022;19(4): 57–62. (In Russ.)] https://doi.org/10.19163/1994-9480-2022-19-4-57-62
24. Трифаненкова И.Г., Терещенко А.В., Булатов А.Р., Окунева М.В. Сравнительная оценка качества фемтолазерного сопровождения хирургии перезрелой катаракты при ее различных типах по данным интраоперационной оптической когерентной томографии. Вестник ВолГМУ. 2024;21(3): 72–7. [Trifanenkova IG, Tereshchenko AV, Bulatov AR, Okuneva MV. Comparative evaluation of the quality of femtosecond laser-assisted surgery for mature cataracts in its various types according to intraoperative optical coherence tomography. Journal of VolgSMU. 2024;21(3): 72–7. (In Russ.)]
