glaucomaНациональный журнал ГлаукомаNational Journal glaucoma2078-41042311-6862Federal State Budgetary Institution of Science “Krasnov Research Institute of Eye Diseases”10.53432/2078-4104-2024-23-2-11-18glaucoma-518Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL ARTICLESПерсонализированное лечение первичного закрытия угла передней камерыPersonalized treatment of primary angle closurehttps://orcid.org/0000-0002-2265-6671КурышеваН. И.KuryshevaN. I.

д.м.н., профессор, заведующая кафедрой глазных болезней; руководитель консультативно-диагностического отдела

123098, Москва, ул. Живописная, 46, корп. 8

123098, Москва, ул. Гамалеи, 15

Dr. Sci. (Med.), Professor, Head of the Academic Department of Ophthalmology; Head of the Consultative and Diagnostic Department

46-8 Zhivopisnaya St., Moscow, 123098

15 Gamalei St., Moscow, 123098

https://orcid.org/0000-0001-7402-4011ПомеранцевА. Л.PomerantsevA. L.

д.ф.-м.н., главный научный сотрудник

119991, Москва, ул. Косыгина, 4

Dr. Sci. (Phys. and Math)., principal researcher

4 Kosygina St., Moscow, 119991

https://orcid.org/0000-0002-0146-8284РодионоваО. Е.RodionovaO. Ye.

д.ф.-м.н., главный научный сотрудник

119991, Москва, ул. Косыгина, 4

Dr. Sci. (Phys. and Math)., principal researcher

4 Kosygina St., Moscow, 119991

https://orcid.org/0000-0002-7163-4858ШароваГ. А.SharovaG. A.

Шарова Галина Аркадьевна, заведующая диагностическим офтальмологическим отделением

105118, Москва, пр. Буденного, 26, к. 2

Cand. Sci. (Med.), Assistant Professor at the Academic Department of Ophthalmology; Head of the Diagnostic Ophthalmology Department

46-8 Zhivopisnaya St., Moscow, 123098

26/2 Budenny Av., Moscow, 105118

galina.shar@mail.ruМедико-биологический университет инноваций и непрерывного образования ФГБУ ГНЦ РФ «Федеральный биофизический центр им. А.И. Бурназяна» ФМБА России; Консультативно-диагностический отдел Центра офтальмологии ФМБА России, ФГБУ ГНЦ РФ «ФМБЦ им. А.И. Бурназяна» ФМБАРоссияMedical Biological University of Innovations and Continuing Education of the State Research Center — Burnasyan Federal Medical Biophysical Center of Federal Medical Biological Agency; Ophthalmological Center of the State Research Center — Burnasyan Federal Medical Biophysical Center of Federal Medical Biological AgencyRussian FederationФГБУН «Федеральный исследовательский центр химической физики им. Н.Н. Семенова» Российской академии наукРоссияN.N. Semenov Federal Research Center for Chemical Physics, Russian Academy of SciencesRussian FederationООО «Глазная клиника доктора Беликовой»РоссияMedical Biological University of Innovations and Continuing Education of the State Research Center — Burnasyan Federal Medical Biophysical Center of Federal Medical Biological Agency; OOO Glaznaya Klinika Doktora BelikovoyRussian Federation2024250620242321118Copyright © Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А., 20242024Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А.Kurysheva N.I., Pomerantsev A.L., Rodionova O.Y., Sharova G.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.glaucomajournal.ru/jour/article/view/518ЦЕЛЬ

ЦЕЛЬ. Разработать персонализированную методику выбора метода лечения первичного закрытия угла (ПЗУ) передней камеры глаза на основе сравнения прогноза гипотензивного эффекта периферической лазерной иридотомии (ПЛИТ) и ленсэктомии (ЛЭ).

МЕТОДЫ

МЕТОДЫ. Проспективное исследование включало 60 пациентов (60 глаз) с ПЗУ в возрасте от 41 до 80 лет. На 30 глазах выполнена ПЛИТ, на 30 — ЛЭ. Всем обследуемым проведена оптическая когерентная томография переднего и заднего отрезков глаза Swept Source (SS-OCT) до и через 1 месяц после лечения, оценивался набор из 37 клинико-анатомических параметров каждого пациента. За гипотензивный эффект операции принята величина снижения внутриглазного давления (ΔВГД) после вмешательства относительно исходного. Для разработки регрессионных моделей, прогнозирующих гипотензивный эффект лечения, использовался метод регрессии на главные компоненты.

РЕЗУЛЬТАТЫ

РЕЗУЛЬТАТЫ. Разработан инновационный пошаговый алгоритм выбора метода лечения ПЗУ (ЛЭ или ПЛИТ). Первый шаг — измерить и учесть 4 клинико-анатомических параметра пациента: пол, ВГД, длину переднезадней оси глаза (ПЗО), глубину передней камеры (ГПК). Второй шаг — рассчитать показатель разницы прогнозируемого гипотензивного эффекта (Ind_Short) по формуле Ind_Short=B0+B1·Пол+B2·ВГД+B3·ПЗО+B4·ГПК, где B0=16,8; B1=-0,28; B2=0,24; B3=-0,65; B4=-2,36; мужской пол — значение 0 (ноль), женский пол — значение 1. Третий шаг — сравнить полученный результат с нулем: если Ind_Short меньше 0, то предпочтительным является метод ПЛИТ, в противном случае — ЛЭ.

ЗАКЛЮЧЕНИЕ

ЗАКЛЮЧЕНИЕ. Пошаговый алгоритм действий, разработанный с помощью методов машинного обучения, позволяет выбрать персонализированное лечение первичного закрытия угла передней камеры глаза.

PURPOSE

PURPOSE. To develop a personalized approach to selecting a treatment method for primary angle closure (PAC) based on a comparison of the predicted hypotensive effect of laser peripheral iridotomy (LPI) and lens extraction (LE).

METHODS

METHODS. This prospective study included 60 patients (60 eyes) with PAC aged 41 to 80 years. LPI was performed on 30 eyes and LE on 30 eyes. All patients underwent swept-source optical coherence tomography (SS-OCT) of the anterior and posterior segments of the eye before and 1 month after treatment. A set of 37 clinical and anatomical parameters of each patient was evaluated. The hypotensive effect of the surgery was considered to be the magnitude of the decrease in intraocular pressure (IOP) after the intervention relative to the baseline. The principal component regression method was used to develop regression models predicting the hypotensive effect of treatment.

RESULTS

RESULTS. An innovative step-by-step algorithm for choosing a treatment method for PAC (LE or LPI) has been developed. The first step is to measure and take into account 4 clinical and anatomical parameters of the patient: gender, IOP, axial length of the eye (AL), and anterior chamber depth (ACD). The second step is to calculate the predicted difference in hypotensive effect (Ind_Short) using the formula Ind_Short=B0+B1·Gender+B2·IOP+B3·AL+B4·ACD, where B0=16.8; B1=-0.28; B2=0.24; B3=-0.65; B4=-2.36; male gender is 0 (zero) and female gender is 1. The third step is to compare the obtained result with zero: LPI is the preferred method if Ind_Short is less than 0, otherwise LE.

CONCLUSION

CONCLUSION. The developed step-by-step algorithm involving the use of machine learning methods allows a personalized approach to the treatment of primary angle closure.

первичное закрытие углаSS-OCTленсэктомияпериферическая лазерная иридотомиямашинное обучениеметод регрессии на главные компонентыprimary angle closureSS-OCTlens extractionlaser peripheral iridotomymachine learningprincipal component regression methodReferencesFriedman DS, Foster PJ, Aung T, He M. Angle closure and angleclosure glaucoma: what we are doing now and what we will be doing in the future. Clin Exp Ophthalmol 2012; 40(4):381-387. https://doi.org/10.1111/j.1442-9071.2012.02774.xFriedman DS, Foster PJ, Aung T, He M. Angle closure and angleclosure glaucoma: what we are doing now and what we will be doing in the future. Clin Exp Ophthalmol 2012; 40(4):381-387. https://doi.org/10.1111/j.1442-9071.2012.02774.xFoster PJ, Buhrmann R, Quigley HA, Johnson GJ. The definition and classification of glaucoma in prevalence surveys. Br J Ophthalmol 2002; 86(2):238-242. https://doi.org/10.1136/bjo.86.2.238Foster PJ, Buhrmann R, Quigley HA, Johnson GJ. The definition and classification of glaucoma in prevalence surveys. Br J Ophthalmol 2002; 86(2):238-242. https://doi.org/10.1136/bjo.86.2.238Song MK, Shin JW, Sung KR. Factors Associated with Deterioration of Primary Angle Closure after Lens Extraction. J Clin Med 2022; 11(9):2557. https://doi.org/10.3390/jcm11092557Song MK, Shin JW, Sung KR. Factors Associated with Deterioration of Primary Angle Closure after Lens Extraction. J Clin Med 2022; 11(9):2557. https://doi.org/10.3390/jcm11092557Song MK, Sung KR, Shin JW, Jo YH, Won HJ. Glaucomatous Progression After Lens Extraction in Primary Angle Closure Disease Spectrum. J Glaucoma 2020; 29(8):711-717. https://doi.org/10.1097/IJG.0000000000001537Song MK, Sung KR, Shin JW, Jo YH, Won HJ. Glaucomatous Progression After Lens Extraction in Primary Angle Closure Disease Spectrum. J Glaucoma 2020; 29(8):711-717. https://doi.org/10.1097/IJG.0000000000001537Bo J, Changulani T, Cheng ML, Tatham AJ. Outcome Following Laser Peripheral Iridotomy and Predictors of Future Lens Extraction. J Glaucoma 2018; 27(3):275-280. https://doi.org/10.1097/IJG.0000000000000863Bo J, Changulani T, Cheng ML, Tatham AJ. Outcome Following Laser Peripheral Iridotomy and Predictors of Future Lens Extraction. J Glaucoma 2018; 27(3):275-280. https://doi.org/10.1097/IJG.0000000000000863Fröhlich, H., Balling, R., Beerenwinkel, N. et al. From hype to reality: data science enabling personalized medicine. BMC Med 2018; 16:150. https://doi.org/10.1186/s12916-018-1122.Fröhlich, H., Balling, R., Beerenwinkel, N. et al. From hype to reality: data science enabling personalized medicine. BMC Med 2018; 16:150. https://doi.org/10.1186/s12916-018-1122-Wilkinson J, Arnold KF, Murray EJ, et al. Time to reality check the promises of machine learning-powered precision medicine. Lancet Digit Health 2020; 2(12):e677-e680. https://doi.org/10.1016/S2589-7500(20)30200-4Wilkinson J, Arnold KF, Murray EJ, et al. Time to reality check the promises of machine learning-powered precision medicine. Lancet Digit Health 2020; 2(12):e677-e680. https://doi.org/10.1016/S2589-7500(20)30200-4Zhang Y, Zhang Q, Li L, et al. Establishment and Comparison of Algorithms for Detection of Primary Angle Closure Suspect Based on Static and Dynamic Anterior Segment Parameters. Transl Vis Sci Technol 2020; 9(5):16. https://doi.org/10.1167/tvst.9.5.16Zhang Y, Zhang Q, Li L, et al. Establishment and Comparison of Algorithms for Detection of Primary Angle Closure Suspect Based on Static and Dynamic Anterior Segment Parameters. Transl Vis Sci Technol 2020; 9(5):16. https://doi.org/10.1167/tvst.9.5.16Kim SJ, Cho KJ, Oh S. Development of machine learning models for diagnosis of glaucoma. PLoS One 2017; 12(5):e0177726. https://doi.org/10.1371/journal.pone.0177726Kim SJ, Cho KJ, Oh S. Development of machine learning models for diagnosis of glaucoma. PLoS One 2017; 12(5):e0177726. https://doi.org/10.1371/journal.pone.0177726Rahimy E. Deep learning applications in ophthalmology. Curr Opin Ophthalmol 2018; 29(3):254-260. https://doi.org/10.1097/ICU.0000000000000470Rahimy E. Deep learning applications in ophthalmology. Curr Opin Ophthalmol 2018; 29(3):254-260. https://doi.org/10.1097/ICU.0000000000000470Чупров А.Д., Борщук Е.Л., Бегун Д.Н., Болодурина И.П., Гришина Л.С., Лосицкий А.О. Метод оценки потребности и типа повторной операции при хирургическом лечении глаукомы с применением искусственной нейронной сети. Офтальмохирургия 2022; 4S:40-50. https://doi.org/10.25276/0235-4160-2022-4S-40-50Chuprov A.D., Borshchuk E.L., Begun D.N., Bolodurina I.P., Grishina L.S., Lositskiy A.O. Method for assessing the need and type of reoperation in glaucoma surgical treatment using an artificial neural network. Fyodorov Journal of Ophthalmic Surgery. 2022; 4S:40-50. https://doi.org/10.25276/0235-4160-2022-4S-40-50Pomerantsev A.L., Rodionova O.Ye. New trends in qualitative analysis: Performance, optimization, and validation of multi-class and soft models. Trends Anal Chem 2021; 143:116372. https://doi.org/10.1016/j.trac.2021.116372Pomerantsev A.L., Rodionova O.Ye. New trends in qualitative analysis: Performance, optimization, and validation of multi-class and soft models. Trends Anal Chem 2021; 143:116372. https://doi.org/10.1016/j.trac.2021.116372Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А. Методы машинного обучения в сравнительной оценке различных подходов к хирургическому лечению первичного закрытия угла передней камеры глаза. Офтальмология 2022; 19(3):549-556. https://doi.org/10.18008/1816-5095-2022-3-549-556Kurysheva N.I., Pomerantsev A.L., Rodionova O.Y., Sharova G.A. Machine Learning Methods in the Comparative Evaluation of Various Approaches to the Surgical Treatment of Primary Angle Closure. Ophthalmology in Russia 2022; 19(3):549-556. https://doi.org/10.18008/1816-5095-2022-3-549-556Курышева Н.И., Родионова О.Е., Померанцев А.Л., Шарова Г.А. Сравнительное исследование эффективности ленсэктомии и периферической лазерной иридотомии при первичном закрытии угла передней камеры глаза. Национальный журнал глаукома 2023; 22(4):3-14. https://doi.org/10.53432/2078-4104-2023-22-4-3-14Kurysheva N.I., Rodionova O.Ye., Pomerantsev A.L., Sharova G.А. Comparative study of the efficacy of lens extraction and laser peripheral iridotomy in primary angle closure. Natsional'nyi zhurnal glaukoma. 2023; 22(4):3-14. https://doi.org/10.53432/2078-4104-2023-22-4-3-14Курышева Н.И., Померанцев А.Л., Родионова О.Е., Шарова Г.А. Результаты применения метода машинного обучения в определении предикторов гипотензивной эффективности ленсэктомии у больных с первичным закрытием угла передней камеры. Национальный журнал глаукома 2024; 23(1):3-11. https://doi.org/10.53432/2078-4104-2024-23-1-3-11Kurysheva N.I., Pomerantsev A.L., Rodionova O.Ye., Sharova G.А. The results of using the machine learning method in determining the predictors of hypotensive efficacy of lens extraction in patients with primary angle closure. Natsional'nyi zhurnal glaukoma. 2024; 23(1):3-11. https://doi.org/10.53432/2078-4104-2024-23-1-3-11Chylack LT Jr, Wolfe JK, Singer DM, et al. The Lens Opacities Classification System III. The Longitudinal Study of Cataract Study Group. Arch Ophthalmol 1993; 111(6):831-836. https://doi.org/10.1001/archopht.1993.01090060119035Chylack LT Jr, Wolfe JK, Singer DM, et al. The Lens Opacities Classification System III. The Longitudinal Study of Cataract Study Group. Arch Ophthalmol 1993; 111(6):831-836. https://doi.org/10.1001/archopht.1993.01090060119035Курышева Н.И., Шарова Г.А. Роль оптической когерентной томографии в диагностике заболеваний закрытого угла передней камеры. Часть 1: Визуализация переднего сегмента глаза. Офтальмология 2021; 18(2):208-215. https://doi.org/10.18008/1816-5095-2021-2-208-215Kurysheva N.I., Sharova G.A. The Role of Optical Coherence Tomography in the Diagnosis of Angle Closed Diseases of the Anterior Chamber. Part 1: Visualization of the Anterior Segment of the Eye. Ophthalmology in Russia 2021; 18(2):208-215. https://doi.org/10.18008/1816-5095-2021-2-208-215Курышева Н.И., Шарова Г.А. Анатомо-топографические особенности переднего и заднего сегментов глаза при ранних стадиях заболевания первичного закрытия угла. Национальный журнал глаукома 2023; 22(1):42-53. https://doi.org/10.53432/2078-4104-2023-22-1-42-53Kurysheva N.I., Sharova G.А. Anatomical and topographical characteristics of the eye in the early stages of primary angle closure disease. Natsional’nyi zhurnal glaukoma 2023; 22(1):42-53. https://doi.org/10.53432/2078-4104-2023-22-1-42-53Курышева Н.И., Бояринцева М.А., Фомин А.В. Хориоидея при первичной закрытоугольной глаукоме: результаты исследования методом оптической когерентной томографии. Офтальмология 2013; 10(4):26-31. https://doi.org/10.18008/1816-5095-2013-4-26-31Kurysheva N.I., Boyarinceva M.A., Fomin A.V. Choroidal thickness in primary angle-closure glaucoma: the results of Measurement by Means of Optical Coherence Tomography. Ophthalmology in Russia 2013; 10(4):26-31. https://doi.org/10.18008/1816-5095-2013-4-26-31He M, Jiang Y, Huang S, Chang DS, Munoz B, Aung T, Foster PJ, Friedman DS. Laser peripheral iridotomy for the prevention of angle closure: a single-centre, Randomized controlled trial. Lancet 2019; 393(10181):1609-1618. https://doi.org/10.1016/S0140-6736(18)32607-2He M, Jiang Y, Huang S, Chang DS, Munoz B, Aung T, Foster PJ, Friedman DS. Laser peripheral iridotomy for the prevention of angle closure: a single-centre, Randomized controlled trial. Lancet 2019; 393(10181):1609-1618. https://doi.org/10.1016/S0140-6736(18)32607-2Pomerantsev, A. L. Chemometrics in Excel. Hoboken: John Wiley & Sons, Inc. 2014. https://doi.org/10.1002/9781118873212Pomerantsev, A. L. Chemometrics in Excel. Hoboken: John Wiley & Sons, Inc. 2014. https://doi.org/10.1002/9781118873212Kucheryavskiy S. mdatools – R package for chemometrics. Chemometrics and Intelligent Laboratory Systems. 2020;198, 103937. https://doi.org/10.1016/j.chemolab.2020.103937Kucheryavskiy S. mdatools – R package for chemometrics. Chemometrics and Intelligent Laboratory Systems. 2020;198, 103937. https://doi.org/10.1016/j.chemolab.2020.103937Rodionova O.Ye., Pomerantsev A.L. "Detection of Outliers in ProjectionBased Modeling". Anal Chem 2020; 92:2656-2664. https://doi.org/10.1021/acs.analchem.9b04611Rodionova O.Ye., Pomerantsev A.L. "Detection of Outliers in ProjectionBased Modeling". Anal Chem 2020; 92:2656-2664. https://doi.org/10.1021/acs.analchem.9b04611Moya M., Koch M., Hostetler L. One-class classifier networks for target recognition applications, in: Proceedings of the World Congress on Neural Networks. International Neural Network Society 1993; 797-801.Moya M., Koch M., Hostetler L. One-class classifier networks for target recognition applications, in: Proceedings of the World Congress on Neural Networks. International Neural Network Society 1993; 797-801.Pomerantsev, AL, Rodionova, OY. Popular decision rules in SIMCA: Critical review. Journal of Chemometrics 2020; 34:e3250. https://doi.org/10.1002/cem.3250Pomerantsev, AL, Rodionova, OY. Popular decision rules in SIMCA: Critical review. Journal of Chemometrics 2020; 34:e3250. https://doi.org/10.1002/cem.3250Pomerantsev A.L., Rodionova O.Ye. Procrustes Cross-Validation of short datasets in PCA context. Talanta 2021; 226:122104. https://doi.org/10.1016/j.talanta.2021.122104Pomerantsev A.L., Rodionova O.Ye. Procrustes Cross-Validation of short datasets in PCA context. Talanta 2021; 226:122104. https://doi.org/10.1016/j.talanta.2021.122104Петров В.И., Шишиморов И.Н., Магницкая О.В., Толкачев Б.Е. Персонализированная медицина: эволюция методологии и проблемы практического внедрения. Вестник ВолГМУ 2016; 57(1):3-11.Petrov V.I., Shishimorov I.N., Magnitskaya O.V., Tolkatchyov B.E. Personalized medicine: evolution of methodology and the problems of practical implementation. Journal of VolgSMU 2016; 57(1):3-11.Shao T, Hong J, Xu J, Le Q, Wang J, Qian S. Anterior Chamber Angle Assessment by Anterior-segment Optical Coherence Tomography After Phacoemulsification With or Without Goniosynechialysis in Patients With Primary Angle Closure Glaucoma. J Glaucoma 2015; 24(9): 647-655. https://doi.org/10.1097/IJG.0000000000000061Shao T, Hong J, Xu J, Le Q, Wang J, Qian S. Anterior Chamber Angle Assessment by Anterior-segment Optical Coherence Tomography After Phacoemulsification With or Without Goniosynechialysis in Patients With Primary Angle Closure Glaucoma. J Glaucoma 2015; 24(9): 647-655. https://doi.org/10.1097/IJG.0000000000000061

The authors declare that there are no conflicts of interest present.