極端な軸性近視における人工知能駆動の眼内レンズパワー計算
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Artificial intelligence driven intraocular lens power calculation in extreme axial myopia
雑誌名：Sci Rep. 2025 Oct 22; 15(1): 36921.
概 要：
この研究は、極端な軸性近視を有する患者における眼内レンズ（IOL）パワー計算の精度を評価することを目的としています。従来の計算式では不正確な結果が得られることが多いため、AI駆動のIOL計算式（Hill-RBF、Kane）、Barrett Universal II式、従来のSRK/T式を比較しました。80眼のデータを分析し、術後の屈折誤差を再計算し、平均誤差（ME）、平均絶対誤差（MAE）、中央値絶対誤差（MedAE）を用いて精度を評価しました。結果、KaneおよびHill-RBF式はSRK/T式に比べて有意に低いMAEを示しました。
方 法：
この研究は、軸長が30.0 mm以上の患者51人の80眼を対象にした後ろ向き研究です。術後の屈折誤差を再計算し、MAE、MedAEを主要評価指標として使用しました。統計解析にはWilcoxon符号付順位検定とカイ二乗検定が用いられました。
結 果：
Kane式とHill-RBF式はそれぞれMAEが0.51 Dおよび0.52 Dで、SRK/T式よりも有意に低い結果を示しました。Barrett Universal II式のMAEは0.66 Dで、SRK/T式との有意差はありませんでした。軸長が32.0 mm以上の眼では、Kane式が最も低いMAE（0.44 D）とMedAE（0.40 D）を達成しました。また、KaneおよびHill-RBF式は、屈折誤差が±1.0 Dを超える割合が7.5%で、SRK/T式の42.5%に比べて低い結果を示しました。
結 論：
AI駆動のIOL計算式、特にKaneおよびHill-RBF式は、極端な軸性近視における屈折精度を有意に改善することが示されました。これらの式の臨床導入は、術後の視覚的結果を向上させ、補正介入の必要性を減少させる可能性があります。