Разработка модели машинного обучения для прогноза прогрессирования миопии у детей, использующих очки с периферическим дефокусом

Актуальность. Близорукость является главной причиной снижения зрительных функций. В клинической практике используются различные методики лечения и профилактики прогрессирования данного заболевания. Особое внимание уделяется изучению возможностей применения искусственного интеллекта в прогнозировании и лечении миопии. Посредством машинного обучения разрабатываются новые и совершенствуются существующие модели, позволяющие прогнозировать результат лечения на основе исходных данных. Цель: разработать и протестировать модель машинного обучения для прогнозирования прогрессирования миопии у детей, использующих дизайн очковых линз с периферическим дефокусом, через 12 месяцев ношения. Материалы и методы. Сформирован набор данных о 48 глазах 48 пациентов, для которых был проведен подбор дизайна очковых линз с периферическим дефокусом. 8 моделей машинного обучения для бинарной классификации (XGBoost, Random Forest, Gradient Boosting, LightGBM, Extra Trees, Logistic Regression, Decision Tree, K-Nearest Neighbors) разрабатывались с использованием языка программирования Python 3 и библиотек scikit-learn, XGBoost, LightGBM. В качестве целевой переменной был прогноз результата применения перифокальных очков в виде бинарного признака: благоприятный исход (24 глаза) и неблагоприятный (24 глаза). Благоприятным исходом признавался результат более –1,00 дптр, который соответствовал значению годового градиента прогрессирования через 12 месяцев после оптической коррекции, а неблагоприятный – –1,00 дптр и менее (по математической логике). Для разработки и тестирования моделей машинного обучения общий набор данных был разделен на обучающую и тестовую выборку в соотношении 67:33. Оценка важности признаков моделей проводилась на основе метода значимости признаков (feature_importances). Результаты. Наилучшее качество по целевой метрике ROC AUC на тестовом наборе данных показала модель XGBoost (ROC AUC 0,906), точность (accuracy) прогнозирования исхода составила 0,875, чувствительность – 0,875, специфичность – 0,875. Наиболее важными признаками для прогноза стали следующие показатели: кератометрия слабого меридиана (Kmin до 0,382), сфероэквивалент (до 0,217), радиус кривизны (R до 0,184), переднезадняя ось (до 0,102), возраст пациента (0,064), кератометрия сильного меридиана (Kmax до 0,051). Заключение. Предложенная модель показала отличное качество по целевой метрике ROC AUC для прогнозирования результата применения дизайна очковых линз с периферическим дефокусом через 12 месяцев ношения у детей. Для практического использования данной модели разработан калькулятор.

1. Fricke TR, Jong M, Naidoo KS, Sankaridurg P, Naduvilath TJ, Ho SM, Wong TY, Resnikoff S. Global prevalence of visual impairment associated with myopic macular degeneration and temporal trends from 2000 through 2050: systematic review, meta-analysis and modelling. Br J Ophthalmol. 2018 Jul;102(7):855–862. doi: 10.1136/bjophthalmol-2017-311266

2. Holden BA, Fricke TR, Wilson DA, Jong M, Naidoo KS, Sankaridurg P, Wong TY, Naduvilath TJ, Resnikoff S. Global Prevalence of Myopia and High Myopia and Temporal Trends from 2000 through 2050. Ophthalmology. 2016 May;123(5):1036– 1042. doi: 10.1016/j.ophtha.2016.01.006

3. Либман ЕС, Шахова ЕВ. Слепота и инвалидность вследствие патологии органа зрения в России. Вестник офтальмологии. 2006(1):78–79.

4. Аветисов ЭС, Тарутта ЕП. Трехфакторная теория происхождения миопии и ее практическое значение. Актуальные вопросы офтальмологии: тр. науч.-практ. конф., посвящ. памяти Германа фон Гельмгольца. М., 1995:101.

5. Милаш СВ, Епишина МВ, Толорая РР. Современные оптические методы коррекции периферического дефокуса. Российский офтальмологический журнал. 2019;12(4):92– 98. doi: 10.21516/2072-0076-2019-12-4-92-98

6. Walker TW, Mutti DO. The effect of accommodation on ocular shape. Optom Vis Sci. 2002 Jul;79(7):424–430. doi: 10.1097/00006324-200207000-00010

7. He JC, Gwiazda J, Thorn F, Held R, Vera-Diaz FA. The association of wavefront aberration and accommodative lag in myopes. Vision Res. 2005 Feb;45(3):285–290. doi: 10.1016/j.visres.2004.08.027. Erratum in: Vision Res. 2005 Aug;45(18):2470.

8. Sreenivas an V, Irving EL, Bobier WR. Can current models of accommodation and vergence predict accommodative behavior in myopic children? Vision Res. 2014 Aug;101:51–61. doi: 10.1016/j.visres.2014.05.008

9. Hung GK, Ciuffreda KJ. An incremental retinal defocus theory of the development of myopia. Comments on Theoretical Biology. 2003(8):511–538. doi: 10.1080/08948550302433

10. Hung GK, Ciuffreda KJ. Differential retinal-defocus magnitude during eye growth provides the appropriate direction signal. Med Sci Monit. 2000;6(4):791–795.

11. Hung GK, Ciuffreda KJ. Incremental retinal defocus theory predicts experimental effect of under-correction on myopic progression. JBO. 2004(3):59–63.

12. Rose KA, Morgan IG, Ip J, Kifley A, Huynh S, Smith W, Mitchell P. Outdoor activity reduces the prevalence of myopia in children. Ophthalmology. 2008 Aug;115(8):1279–1285. doi: 10.1016/j.ophtha.2007.12.019

13. Papadogiannis P, Börjeson C, Lundström L. Comparison of optical myopia control interventions: effect on peripheral image quality and vision. Biomed Opt Express. 2023 Jun 6;14(7):3125–3137. doi: 10.1364/BOE.486555

14. Lam CS, Tang WC, Lee PH, Zhang HY, Qi H, Hasegawa K, et al. Myopia control effect of defocus incorporated multiple segments (DIMS) spectacle lens in Chinese children: results of a 3-year follow-up study. Br J Ophthalmol. 2022;106:1110–1114.

15. Lam CSY, Tang WC, Tse DY, Lee RPK, Chun RKM, Hasegawa K, et al. Defocus Incorporated Multiple Segments (DIMS) spectacle lenses slow myopia progression: a 2-year randomised clinical trial. Br J Ophthalmol. 2020;104:363–368.

16. Bao J, Huang Y, Li X, Yang A, Zhou F, Wu J, et al. Spectacle lenses with aspherical lenslets for myopia control vs singlevision spectacle lenses: a randomized clinical trial. JAMA Ophthalmol. 2022;140:472–478.

17. Bao J, Yang A, Huang Y, Li X, Pan Y, Ding C, et al. One-year myopia control efficacy of spectacle lenses with aspherical lenslets. Br J Ophthalmol. 2022;106.

18. Gantes-Nunez J, Jaskulski M, Lopez-Gil N, Kollbaum PS. Optical characterisation of two novel myopia control spectacle lenses. Ophthalmic Physiol Opt. 2023;43:388–401.

19. Jaskulski M, Singh NK, Bradley A, Kollbaum PS. Optical and imaging properties of a novel multi-segment spectacle lens designed to slow myopia progression. Ophthalmic Physiol Opt. 2020;40:549–56.

20. Sankaridurg P, Weng R, Tran H, Spiegel DP, Drobe B, Ha T, et al. Spectacle lenses with highly aspherical lenslets for slowing myopia: a randomised, double-blind, cross-over clinical trial. Am J Ophthalmol. 2022;247:18–24.

21. Guo H, Li X, Zhang X, Wang H, Li J. Comparing the effects of highly aspherical lenslets versus defocus incorporated multiple segment spectacle lenses on myopia control. Sci Rep. 2023.

22. Маркова ЕЮ, Беликова ТВ, Кечин ЕВ, Шихалиева ЭА, Постольник АА, Никитина АЕ, Наврузалиева ДЯ. Применение искусственного интеллекта в решении проблемы профилактики прогрессирования миопии. Российская детская офтальмология. 2024;3(49):54–60.

23. ROC-AUC: это метрика оценки качества модели машинного обучения. URL: https://sky.pro/wiki/analytics/roc-auc-eto-metrika-otsenki-kachestva-modeli-mashinnogo-obucheniya/

24. Аветисов СЭ. Оптическая система и рефракция глаза. Глазные болезни. Москва: Офтальмология; 2015:85–112.

25. Кечин ЕВ, Шихалиева ЭА, Костенев СВ. Калькулятор для прогнозирования прогрессирования миопии у детей, использующих перифокальные очки. Свидетельство о государственной регистрации программы для ЭВМ №b2025691882 от 18.11.2025.

26. Tong HJ, Huang ZM, Li YL, Chen YM, Tian B, Ding LL, Zhu LL. Machine learning to analyze the factors influencing myopia in students of different school periods. Front Public Health. 2023;11:1169128. doi: 10.3389/fpubh.2023.1169128