gms | German Medical Science

35th Congress of the German Society for Cataract & Refractive Surgeons (GSCRS)

German Society for Cataract & Refractive Surgeons (GSCRS) (GSCRS)

25.02. - 27.02.2020, Dortmund (Online-conference)

‚Big Data‘ bei der IOL-Berechnung

Meeting Abstract

Search Medline for

  • Paul-Rolf Preußner - Mainz

Deutschsprachige Gesellschaft für Intraokularlinsen-Implantation, Interventionelle und Refraktive Chirurgie. 35. Kongress der Deutschsprachigen Gesellschaft für Intraokularlinsen-Implantation, interventionelle und refraktive Chirurgie. Dortmund [online], 25.-27.02.2021. Düsseldorf: German Medical Science GMS Publishing House; 2021. Doc21dgii16

doi: 10.3205/21dgii16, urn:nbn:de:0183-21dgii160

Published: February 25, 2021

© 2021 Preußner.
This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. See license information at http://creativecommons.org/licenses/by/4.0/.


Outline

Text

Fragestellung: IOL-Berechnungen sind möglich durch höherdimensionale Intra- und Extrapolationen aus den refraktiven Ergebnissen vorangegangener IOL-Implantationen. Dazu wird eine möglichst große Datenbasis benötigt, die den gesamten Bereich aller Eingangsvariablen abdeckt. Ist ein solcher ‚Big-Data‘-Ansatz physikalisch-optischen Berechnungen überlegen?

Methode: In 6.004 Augen werden die Hill-RBF-Methode, 4 klassische Formeln, OKULIX-Raytracing und eine dreidimensionale lineare Interpolation ohne optische Rechnung, im Folgenden LINEAR genannt, miteinander verglichen. Dabei werden die Differenzen der refraktiven Vorhersagen zwischen den Methoden als Funktion der Eingangsvariablen untersucht und graphisch veranschaulicht. Zusätzlich wird die mathematische Struktur der unterschiedlichen Ansätze vergleichend dargestellt.

Ergebnis: Es finden sich typische Abweichungsmuster zwischen jeder der Formeln auf der einen und RBF, OKULIX und LINEAR auf der anderen Seite. Zwischen RBF und OKULIX zeigen sich nur stochastische Unterschiede, d.h. keine systematischen Muster, beim Vergleich mit LINEAR findet sich ein schwach erkennbares Muster. Bei vier Eingangsvariablen ist die Reihenfolge in der Genauigkeit des Vorhersagefehlers: OKULIX, RBF, LINEAR, Formeln, bei drei Eingangsvariablen ist sie: RBF, OKULIX, LINEAR, Formeln. Dabei ist zu berücksichtigen, dass RBF und LINEAR drei, die Formeln zwei oder drei und OKULIX zwei oder vier Eingangsvariablen verwenden. Der Vergleich ist insofern nicht ganz konsistent. Auf die generelle Genauigkeitsbeurteilung hat dies jedoch nur einen sehr geringen Einfluss.

Schlussfolgerung: Ein Big-Data-Ansatz kann günstigstenfalls die gleiche Genauigkeit wie eine physikalisch korrekte Berechnung (Raytracing) erreichen. Die Datenbasis für Big Data ist nicht von einem auf ein anderes IOL-Modell übertragbar, muss also für jedes IOL-Modell neu gesammelt werden. Bei von der Norm abweichenden Augen (z.B. nach Hornhautchirurgie, bei Keratokonus...) ist Big Data einem physikalischen Ansatz klar unterlegen.