CN118056245A - 用于生成准确的眼科测量值的系统和方法 - Google Patents
用于生成准确的眼科测量值的系统和方法 Download PDFInfo
- Publication number
- CN118056245A CN118056245A CN202280065230.9A CN202280065230A CN118056245A CN 118056245 A CN118056245 A CN 118056245A CN 202280065230 A CN202280065230 A CN 202280065230A CN 118056245 A CN118056245 A CN 118056245A
- Authority
- CN
- China
- Prior art keywords
- measurement
- ophthalmic
- patient
- criteria
- measurement value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 635
- 238000000034 method Methods 0.000 title claims description 67
- 238000004891 communication Methods 0.000 claims description 31
- 230000003287 optical effect Effects 0.000 claims description 24
- 230000004931 aggregating effect Effects 0.000 claims description 8
- 238000012014 optical coherence tomography Methods 0.000 claims description 7
- 230000002980 postoperative effect Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000012790 confirmation Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 39
- 238000001356 surgical procedure Methods 0.000 description 26
- 238000012545 processing Methods 0.000 description 24
- 238000013500 data storage Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 16
- 208000002177 Cataract Diseases 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 210000004087 cornea Anatomy 0.000 description 6
- 230000004323 axial length Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 210000002159 anterior chamber Anatomy 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 208000022873 Ocular disease Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 206010002945 Aphakia Diseases 0.000 description 1
- 102000007527 Autoreceptors Human genes 0.000 description 1
- 108010071131 Autoreceptors Proteins 0.000 description 1
- 208000003556 Dry Eye Syndromes Diseases 0.000 description 1
- 206010013774 Dry eye Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004402 high myopia Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011477 surgical intervention Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/1005—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring distances inside the eye, e.g. thickness of the cornea
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0025—Operational features thereof characterised by electronic signal processing, e.g. eye models
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/0016—Operational features thereof
- A61B3/0033—Operational features thereof characterised by user input arrangements
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Surgery (AREA)
- Ophthalmology & Optometry (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Urology & Nephrology (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本披露的某些方面提供了一种眼科测量装置。所述装置包括被配置为生成患者眼睛的解剖特性的测量值的一个或多个眼科测量特征,以及被配置为使得执业医师能够与眼科测量装置交互的用户界面,以及存储器。所述装置还包括硬件处理器,所述硬件处理器被配置为:基于测量值与测量标准的比较来确定测量值是否满足测量标准;在确定测量值不满足测量标准时,使一个或多个眼科测量特征生成解剖特性的新的测量值;基于新的测量值与测量标准的比较来确定新的测量值是否满足测量标准;以及在确定新的测量值满足测量标准时,使用户界面显示新的测量值。
Description
技术领域
本披露的各方面涉及用于获得准确的眼科测量值(例如,术前、术中等)以供在诸如白内障手术等手术程序期间使用的系统和方法。
白内障手术通常涉及用人工晶状体(IOL)替换患者眼睛的天然晶状体。某些现有的眼科系统利用患者眼睛的术前光学测量值(例如,眼轴长度和角膜曲率测量值)来帮助准备要对患者进行的白内障手术的手术计划。手术计划可以包括选择IOL类型以及最佳IOL屈光度等细节,以实现期望的屈光结局。然而,不准确的测量值可能会导致选择次优的IOL屈光度。因此,质量差的测量值可能降低白内障手术的疗效并导致屈光结局不佳,这可能需要对患者进行额外的手术或非手术干预。
因此,需要用于生成准确的测量值的改进的系统和技术,从而改善患者的屈光结局。
发明内容
某些实施例提供了一种眼科测量装置,其包括:被配置为生成患者眼睛的解剖特性的测量值的一个或多个眼科测量特征。所述眼科测量装置进一步包括被配置为使得执业医师能够与眼科测量装置交互的用户界面。所述眼科测量装置还包括存储器和与存储器进行数据通信的硬件处理器。所述硬件处理器被配置为:基于所述测量值与测量标准的比较来确定所述测量值是否满足所述测量标准;在确定所述测量值不满足所述测量标准时,使所述一个或多个眼科测量特征生成所述解剖特性的新的测量值;基于所述新的测量值与所述测量标准的比较来确定所述新的测量值是否满足所述测量标准;以及在确定所述新的测量值满足所述测量标准时,使所述用户界面显示所述新的测量值。
某些实施例提供了一种眼科测量系统。所述系统包括被配置为生成患者眼睛的解剖特性的测量值的眼科测量装置,以及被配置为使得执业医师能够与眼科测量装置交互的用户界面。所述系统进一步包括硬件处理器,所述硬件处理器通信地耦合到所述眼科测量装置并且被配置为:基于所述测量值与测量标准的比较来确定所述测量值是否满足所述测量标准;在确定所述测量值不满足所述测量标准时,使测量装置生成所述解剖特性的新的测量值;基于所述新的测量值与所述测量标准的比较来确定所述新的测量值是否满足所述测量标准;以及在确定所述新的测量值满足所述测量标准时,使所述用户界面显示所述新的测量值。
某些实施例提供了一种用于重新配置眼科测量装置的方法。所述方法包括聚合多个患者简档以形成全局数据集,每个患者简档与在多个眼科诊室之一处治疗的对应患者相关联并且包括患者眼睛的解剖特性的测量值、程序结果或人口统计、以及所述对应患者的患者历史信息中的一项或多项。所述方法进一步包括将每个患者简档格式化为通用格式。所述方法还包括识别所述多个眼科诊室中与所述多个眼科诊室中的其余眼科诊室相比具有最低平均满意结果数量的第一眼科诊室,以及确定所述第一眼科诊室的最低平均满意结果数量是由与所述眼科测量装置相关联的错误引起的。所述方法另外包括自动重新配置所述眼科测量装置。
其他实施例提供了以下各项:被配置为执行上述方法以及本文中描述的方法的处理系统;包括指令的非暂态计算机可读介质,这些指令当由处理系统的一个或多个处理器执行时使该处理系统执行上述方法以及本文中描述的方法;体现在计算机可读存储介质上的计算机程序产品,该计算机程序产品包括用于执行上述方法以及本文中进一步描述的方法的代码;以及处理系统,该处理系统包括用于执行上述方法以及本文中进一步描述的方法的装置。
以下描述和相关附图详细阐述了一个或多个实施例的某些说明性特征。
附图说明
附图中描绘了一个或多个实施例的某些方面,因此不应视为限制本披露的范围。
图1展示了根据本文描述的一些实施例的示例测量值处理系统的框图,该示例测量值处理系统获得、处理和/或验证患者眼睛的一个或多个解剖特性的测量值(例如,在准备手术程序时或在手术程序期间)。
图2是根据本文描述的各方面的展示了图1的服务器的获得、处理并验证患者眼睛的测量值的准确性的操作的序列图。
图3是根据本文描述的各方面的展示了图1的测量装置的获得、处理并验证患者眼睛的测量值的准确性的操作的序列图。
图4是根据本文描述的一些实施例的展示了在图1的系统的部件之间交换的通信或由这些部件执行的处理的序列图,用于聚合来自多个眼科诊室的信息并基于其生成排名信息。
图5是执行或体现本文描述的某些方面的处理系统、服务器或装置的实施例的图。
图6描绘了根据本披露的实施例的用于聚合来自多个眼科诊室的信息并识别与眼科诊室相关联的屈光结局不佳的一个或多个原因的示例操作。
为了便于理解,在可能的情况下,使用相同的附图标记来指代附图中共有的相同要素。可以设想到,一个实施例的要素和特征可以有益地结合在其他实施例中,而无需进一步叙述。
具体实施方式
如上所述,在准备白内障手术时,执业医师可以使用诸如光学生物计等眼部测量装置(本文称为测量装置)来获得患者眼睛的一个或多个解剖特性的术前测量值。这种解剖特性的示例包括患者眼睛的眼轴长度、角膜的曲率、晶状体厚度、前房深度等。注意,本文中的测量值是指或包括与眼睛的解剖特性相关联的值(例如,数字或任何其他测量单位)。
由于各种原因,在某些情况下,由测量装置捕获的术前测量值可能无法准确反映患者眼睛的实际测量值。因此,测量装置可能提供不准确的术前测量值。测量装置输出不准确测量值的原因可能包括与装置相关的问题(例如,校准问题)、与操作人员相关的问题(例如,执业医师不正确地执行测量)以及与患者相关的问题(例如,患者在过程期间不配合(如未将视线固定在固定点上),患者正在经历医疗病症(如干眼症)等)。如上所述,在IOL屈光度计算中使用不准确的术前测量值可能会导致选择不正确的IOL屈光度,从而导致术后屈光结局不佳。然而,某些现有的术前眼科测量系统和装置未配备或配置为自动检测不准确的测量值。
另外,在白内障手术期间,外科医生可以利用术中眼部测量装置(如术中像差计)来验证在眼科诊室中为患者生成的术前测量值。例如,在移除晶状体之后,外科医生可以使用术中像差计来测量无晶状体眼的角膜曲率和其他解剖特性。然而,与术前测量装置类似,某些现有的术中眼科测量系统和装置也未配备和配置为自动验证术中和/或术前测量值的准确性。
因此,本披露的某些方面提供了用于获得、处理并验证与患者眼睛的一个或多个解剖特性相关联的测量值的准确性的测量系统和装置。在某些实施例中,本文描述的测量系统和装置被配置为自动识别和标记不准确的测量值,并主动协调或请求重新测量患者眼睛的解剖特性。在某些实施例中,本文描述的测量系统和装置可以使用新的准确测量值来代替不准确的测量值进行后续分析和计算。通过用准确的测量值代替不准确的测量值,执业医师可以有利地避免在后续的分析、确定、IOL选择等中使用不准确的测量值。
本文的一些实施例涉及基于例如测量值的准确性/不准确性以及利用了这些测量值的程序的对应屈光结局来对产生眼测量值和/或对患者眼睛执行程序的眼科诊室进行排名。因此,不同的眼科诊室可以比较其测量值、屈光结局、设备、执业医师等,以识别可能需要改进的地方。
注意,本文描述的系统、方法和技术可以在术前、术中和术后使用。
示例测量值处理系统
图1展示了获得、处理并验证患者眼睛110的一个或多个解剖特性的测量值的示例测量值处理系统100(也称为眼科测量系统)的框图。系统100包括服务器104,其可以通过网络150与彼此远离的各种眼科诊室处的测量装置通信地耦合。例如,服务器104与眼科诊室120处的测量装置102通信地耦合。测量装置102代表用于测量患者眼睛110的一个或多个解剖特性的一个或多个测量装置。服务器104还通信地耦合到同行眼科诊室130处的测量装置132。在某些实施例中,测量装置132包括与测量装置102相似的部件,并且其功能也相似。注意,本文中的眼科诊室可以指(1)为患者生成术前和/或术后测量值的眼科诊所,和/或(2)为患者生成术中测量值的眼科手术诊室。
服务器104还耦合到数据存储装置106,其将患者数据存储在患者简档115中。在某些实施例中,数据存储装置106可以是用于存储从眼科诊室120和同行眼科诊室130接收的患者数据的中央和/或基于云的数据库或存储库。在某些实施例中,数据存储装置106可以代表专用于在诸如眼科诊室120等特定眼科诊室使用的本地或基于云的数据库或存储库。
在一些实施例中,服务器104是眼科诊室120和同行眼科诊室130以及对应的测量装置102和132分别可访问的中央(例如,基于云的)计算系统。例如,服务器104可以对应于通过私有云或公共云提供的计算资源(例如,包括一个或多个处理器和/或计算系统)。在某些实施例中,服务器104可以指眼科诊室120专用和/或本地的计算系统。在某些实施例中,网络150可以包括一个或多个交换装置、路由器、局域网(例如,以太网)、广域网(例如,互联网)等。
如图1所示,测量装置102包括被配置为生成角膜前表面的曲率和散光、眼轴长度、前房深度、中央角膜厚度、角膜直径、晶状体厚度、角膜前部形状中的一个或多个的测量值、以及与患者眼睛110的各种其他光学部件相关联的任何其他测量值的任何眼部测量装置。在一些实施例中,测量装置102包括角膜曲率计、光学生物测量装置、自动验光仪、角膜地形图仪、眼波前像差计、光学相干断层扫描(OCT)装置、眼膜曲率计、术中OCT装置、扫频源OCT装置、术中像差测量装置等中的一个或多个。
测量装置102包括处理器124,在一些实施例中,处理器执行由存储器126提供的指令以生成并处理测量值、处理传感数据(例如,由装置特征123提供)以生成测量值、生成并处理图像数据、验证测量值、使得测量值被显示、允许操作人员通过用户界面128操作测量装置102等。测量装置102还包括存储器126,其可以对应于用于存储由处理器124用于处理和分析的指令和/或数据的本地存储装置(例如,易失性或非易失性)。下面提供处理器124的分析的进一步细节。
测量装置102进一步包括用户界面128,其使得诸如执业医师等用户能够与测量装置102交互并对其进行控制。用户界面128包括执业医师可以通过其来操纵、交互或查看数据(比如患者简档数据、测量值、设备参数等)的任何界面。在一些实施例中,用户界面128包括图形用户界面,执业医师可以通过该图形用户界面来操纵、交互和操作测量装置102。
测量装置102包括用于测量患者眼睛110的一个或多个解剖特性并基于其生成测量值的装置特征123。装置特征123的非限制性示例包括光学特征、发射特征、传感器/成像特征和控制特征中的至少一种。光学特征包括一个或多个透镜或其他光学部件以用于聚焦并引导投射到患者眼睛110的目标对象并由该目标对象反射的光。光学特征使得测量装置102能够观察并分析患者的眼睛110、将光束聚焦到眼睛中等,以生成患者的眼睛110的测量值。
发射特征包括被配置为将信号(例如,光束、超声波等)投射到患者眼睛110中的光源或其他信号源。发射特征可以根据执业医师的需要或以自动方式在定位、聚焦、功率水平或以其他方式引导信号方面进行调整。传感器/成像特征包括生成、接收、处理和/或数字化从眼睛反射或回波的信号的特征。传感器/成像特征负责基于接收到的信号来生成多维图像和/或测量值。传感器/成像特征可以基于接收到的信号来获取、存储和/或处理图像数据。OCT装置中的传感器/成像特征的示例可以包括光电探测器、数字信号处理部件、图像处理部件等。
控制特征使得执业医师能够激活、停用并且调整测量装置102的装置特征123。例如,控制特征包括使得能够调整发射特征的部件,比如用于打开/关闭发射特征等的控件。类似地,控制特征包括使得能够调整光学特征以便使得能够自动或手动聚焦光学特征或移动光学特征以查看不同目标或目标的不同部分的部件。在一些实施例中,用户界面128包括控制特征。
在某些实施例中,眼科诊室120可以使用测量装置102来获得并处理术前测量值以准备手术计划,为手术程序(例如,白内障手术)做准备。在某些实施例中,眼科诊室120可以将测量装置102与手术室结合来使用,以在完成手术程序之前获得并处理术中测量值。
测量装置102将测量值传送至服务器104以进行处理和存储。服务器104包括一个或多个处理器和对应的存储器(未示出),其管理对数据存储装置106的访问并处理可经由网络150访问的数据。作为处理和存储的一部分,服务器104可以从测量装置102接收测量值,并将测量值与其眼睛110被测量的患者的患者简档115相关联并存储。
如上所述,数据存储装置106存储在眼科诊室120或同行眼科诊室130生成测量值所针对的患者的患者简档115。数据存储装置106中的每个患者简档115可以存储患者的历史和人口统计信息116、光学测量值117、与患者的手术相关联的实际治疗数据118、以及对应患者的患者满意度信息119。在一些实施例中,患者简档115进一步包括关于进行测量或执行程序的眼科诊室120的信息以及关于用于生成患者眼睛110的测量值的测量装置102的信息。
每个患者的历史和人口统计信息116包括患者年龄、性别、民族、种族、既往手术信息、基础病症(例如,眼部疾病)、基因构成、患者生活方式(例如,长时间使用数字显示屏)等。光学测量值117可以包括由一个或多个测量装置(如测量装置102)提供的术前、术中和/或术后测量值。在一些实施例中,光学测量值117包括患者(两只)眼睛的解剖特性的其他细节,如本领域普通技术人员已知的。在一些实施例中,光学测量值117可以包括标志数据以指示存储在其中的光学测量值的一个或多个标志,比如术前或术中测量值的准确或不准确测量值标志。准确测量值标志表示测量值是准确的,而不准确测量值标志表示测量值不准确。
如本文所使用的,准确测量值对应于由测量装置102生成的测量值与针对患者眼睛110的解剖特性的测量标准具有预期或期望的关系,如下所述。另一方面,不准确测量值对应于测量值与针对患者眼睛110的解剖特性的测量标准不具有预期或期望的关系。下面提供了不同测量标准的示例。
实际治疗数据118例如包括用于患者的IOL的实际IOL参数(IOL类型、IOL屈光度等),以及与患者的治疗有关的任何附加相关信息。实际治疗数据118可以指示为患者执行白内障手术的方法、用于治疗的工具以及关于在手术期间执行的特定程序的其他信息。在一些实施例中,实际治疗数据118包括关于执行手术或生成手术计划的执业医师的信息或者关于在手术之前和手术期间使用的医疗设备的信息。每个患者简档115中包括的患者满意度信息119可以将患者对治疗的满意度指示为对手术结果满意或不满意的二元指示。
数据存储装置106进一步存储用于验证为患者眼睛110(例如,左眼)提供的测量值的准确性的测量标准。测量标准可以包括(1)与患者的另一只眼睛(例如,右眼)相关联的测量值,以及与患者的左眼和右眼相关联的测量值之间的差值的预期范围相对应的阈值距离,(2)先前生成的与同一只眼睛(即,患者的眼睛110)相关联的测量值,以及与当前生成的测量值和先前生成的与同一只眼睛相关联的测量值之间的差值的预期范围相对应的阈值距离,(3)用于确定相应测量值是否在正常或典型测量值的范围之外的一个或多个阈值范围,等等。注意,测量标准可以指或包括单个测量标准或多个测量标准。
进一步地,测量标准可以是患者特定的或非患者特定的。患者特定的测量标准可以指例如基于存储在患者简档115中的患者信息为患者定义或确定的信息。非患者特定的测量标准可以指普遍用于所有患者的信息。在一个示例中,患者特定的测量标准被存储在患者简档115中作为光学测量值117的一部分。非患者特定的测量标准可以被存储为患者简档115的一部分或者以更广泛的适用性存储在数据存储装置106中。在一些实施例中,以特定顺序或优先级应用不同类型的测量标准。例如,包括与患者另一只眼睛相关联的测量值的患者特定的测量标准可以优先于其他测量标准。
在示例中,测量装置102生成患者左眼眼轴长度的测量值,并且用于验证左眼眼轴长度测量值是否准确的测量标准包括(1)患者右眼眼轴长度和(2)阈值距离。虽然患者右眼的眼轴长度是患者特定的,但在某些实施例中,阈值距离可以是患者特定的或非患者特定的。
阈值距离与患者右眼的眼轴长度相结合确定了患者左眼的准确眼轴长度测量值预期落在的预期范围。例如,如果患者右眼的眼轴长度是22毫米(mm)并且阈值距离是0.5mm,则测量装置102为患者左眼生成的22.3mm的眼轴长度可以被认为是准确的(即22.3-22<0.5)。然而,在该示例中,由测量装置102为患者左眼生成的23mm的眼轴长度可能被认为是不准确的(即,23-22>0.5)。
非患者特定的阈值距离可以基于对与大量患者(例如,数千或数百万患者)相关联的右眼和左眼的测量值(例如,眼轴长度、角膜曲率等)之间的差值的观察。例如,非患者特定的阈值距离可以对应于患者池中右眼测量值与左眼测量值之间的平均差值。另一方面,患者特定的阈值距离是指专门为患者确定的阈值距离。应用患者特定的阈值距离可能特别有利,因为患者的左眼与右眼之间的相关性可能取决于患者的历史和人口统计特性而不同。
例如,具有第一特性(例如,种族或民族的类型、既往手术、基因构成、基础病症)的患者左眼和右眼的眼轴长度之间的差值可能高达0.7mm,而具有第二特性(例如,种族或民族的类型、既往手术、基因构成、基础病症)的患者的左眼和右眼的眼轴长度之间的差值可能最多只能达到0.5mm。在这样的示例中,当比较左眼和右眼的测量值时,0.7mm的阈值距离可能更适合用于具有第一特性的患者,而0.5mm的阈值距离可能更适合用于具有第二特性的患者。这是一个非常简单的示例,说明了为什么在验证患者的测量值时使用患者特定的阈值距离(或其他测量标准)可能是有利的。在一些实施例中,可以通过使用机器学习来确定患者特定的阈值距离,如下文进一步描述的。
可替代地,可以使用基于规则的方法结合阈值距离库来识别患者特定的阈值距离。在这样的示例中,阈值距离库可以包括针对不同类型的患者群体的不同阈值距离。这些不同类型的患者群体可以基于其人口统计信息、基础病症(例如,眼部疾病)、基因构成、既往程序(比如,既往白内障手术或激光辅助原位角膜磨镶术(LASIK)手术)等进行分类。例如,用于没有眼部病症的患者的阈值距离可能与一只眼睛相对于另一只眼睛高度近视的患者不同。在这样的示例中,患者的眼轴长度之间的较大差值可以被确定为可接受的并且不一定表示测量不准确。因此,使用基于规则的模型,例如,具有第一眼部病症背景的第一群体与具有第二眼部病症背景的第二群体的阈值距离不同。因此,在基于规则的方法中,使用哪种阈值距离来验证患者测量值的准确性将取决于患者所属的群体。
如上所述,在另一示例中,测量标准可以包括先前生成的同一只眼睛(即,患者的眼睛110)的测量值,以及与当前生成的测量值和与同一只眼睛相关联的先前生成的测量值之间的差值的预期范围相对应的阈值距离。当前生成的测量值是指正在验证其准确性的测量值。由于预期眼睛的解剖特性不会发生太大变化(至少在短时间内并且假设眼睛没有经历外伤、手术、疾病等),因此对于同一只眼睛,将当前生成的眼睛测量值与先前生成的测量值进行比较可以指示当前生成的测量值是否准确。在该比较中还可以使用阈值。例如,预期在70-80年内,角膜曲率的变化不会超过一定百分比,如5%左右,在这种情况下,如果当前测量的角膜曲率与先前测量的角膜曲率相差在5%以内,则将认为当前测量的角膜曲率是准确的。用于比较当前生成的测量值和先前生成的测量值的阈值距离也可以是患者特定的(例如,使用基于规则的方法、机器学习等确定的)或非患者特定的。
如上所述,可以通过使用机器学习来确定患者特定的阈值距离(例如,用于不同眼睛的测量值之间的比较或者用于当前生成的测量值与先前生成的测量值之间的比较),如下文进一步描述的。例如,服务器104可以使用经训练的ML模型基于存储在患者简档115中的患者的特定信息来为患者推荐阈值距离。患者简档115可以提供患者的记录以生成用于训练ML模型的数据集(称为“训练数据集”),该ML模型可以推荐用于验证测量值的准确性的患者特定的阈值距离。
在一些情况下,服务器104可以采用用于训练ML模型的模型训练器。模型训练器使用一种或多种ML算法,结合训练数据集来训练ML模型。在某些实施例中,经训练的ML模型是指例如具有权重和参数的函数,其用于针对给定的患者生成或预测患者特定的阈值距离。在一些实施例中,可以使用不同的ML算法来为患者生成不同的阈值范围等。例如,可以训练一个模型来推荐用于验证患者的眼轴长度测量值的阈值距离,并且可以训练另一个模型来推荐用于验证患者的角膜曲率测量值的阈值距离。
ML算法可以包括监督学习算法、无监督学习算法和/或半监督学习算法。无监督学习是一种用于从由无标记响应的输入数据组成的数据集中进行推断的机器学习算法。监督学习是一种学习例如基于示例输入输出对来将输入映射到输出的函数的ML任务。监督学习算法通常包括回归算法、分类算法、决策树、神经网络等。
一旦经过训练和部署,ML模型就能够基于一组特定的输入(包括患者的信息)生成或预测患者特定的阈值距离作为输出。在某些方面,模型训练器训练多输入单输出(MISO)ML模型,该模型被配置为获取与患者相关联的一组输入并提供患者特定的阈值距离。为了训练MISO ML模型,在一些实施例中,模型训练器可以利用基于大量患者的患者简档115生成的带标签的数据集。在这样的实施例中,数据集包括多个样本,每个样本指示例如某个历史患者的历史和人口统计信息、光学测量值、实际治疗数据和患者满意度信息。
例如,这样的数据集中的每个样本包括i)来自患者简档115的输入数据,包括患者的历史和人口统计、光学测量值、实际治疗数据等中的一项或多项;ii)输出数据,包括用于验证患者测量值的阈值距离;以及iii)患者满意度信息。为了训练MISO ML模型,模型训练器通过MISO ML模型运行每个样本来预测阈值距离,该阈值距离假设可导致识别出能获得令人满意的手术结果的准确测量值。然后,模型训练器基于所得到的误差(即Y-Y^)来训练MISO ML模型,该误差是指MISO ML模型预测的阈值距离与用于对应患者的实际阈值距离之间的差值,如患者记录中所指示的。
换句话说,模型训练器调整ML模型中的权重,以最小化预测的阈值距离和用于验证患者测量值的指示满意手术结果的阈值距离之间的误差(或差异)。通过MISO ML模型运行更多样本并继续调整权重,在某一点之后,MISO ML模型开始以非常低的错误率做出非常准确的预测。此时,MISO ML模型已准备好被部署,以用于获取关于当前患者的一组输入并预测将提高当前患者的满意手术结局的可能性的最佳阈值距离。经训练的MISO模型可以被部署以供服务器104或处理器124用来验证当前患者的测量值。然后可以将推荐的阈值距离存储在数据存储装置106中的患者简档115中。
注意,在一些实施例中,可以更新例如存储在数据存储装置106中的测量标准。可以生成新的患者特定或非患者特定的测量标准并将其存储在数据存储装置106中,作为新的测量标准或替换现有的测量标准。
在某些实施例中,服务器104验证由测量装置102生成的测量值的准确性。例如,服务器104将由测量装置102生成并通过网络150传输到服务器104的测量值与存储在数据存储装置106中的患者简档115中的测量标准进行比较,以确定测量值是否准确,如下文进一步描述的。
在某些其他实施例中,测量装置102的处理器124验证由测量装置102或其装置特征123生成的测量值的准确性。例如,处理器124将由测量装置102生成的测量值与从通过网络150从数据存储装置106传输到处理器124的患者简档115获得的测量标准进行比较。
下面的图2描述了例如在包括图1的各种部件的基于云的系统中,服务器104验证测量值的准确性的序列图。另一方面,下面的图3描述了处理器124验证由测量装置102生成的测量值的准确性的序列图。
图2是展示了根据本文描述的各方面在例如基于云的架构中的图1的系统100的部件之间交换的通信或由这些部件执行的处理的序列图200,用于获得、验证和处理患者眼睛(例如,患者眼睛110)的解剖特性的测量值。虽然序列图200和对应的描述包括参考图1的系统100的部件,但序列图200的步骤不限于该示例实施例并且可以应用于各种其他部件组合。此外,序列图200不需要用于执行所示出步骤中的每一个或者仅执行所示出步骤,并且不限于以任何特定顺序执行所指示的步骤。
序列图200描绘了服务器104、数据存储装置106和测量装置102之间的交互。序列图200开始于通信步骤202,其中测量装置102通过例如用户输入来接收患者识别数据。患者识别数据可以包括患者的姓名、标识符等,标识了执业医师正在使用测量装置102测量其眼睛110的患者。在一些实施例中,执业医师经由例如用户界面128向测量装置102提供患者识别数据。可替代地,眼科诊室120处与用户界面128分开的用户界面接收患者识别数据并将其提供给测量装置102或服务器104。
在通信步骤204中,测量装置102将在步骤202接收的患者识别数据传送到服务器104。
在通信步骤206中,服务器104使用在步骤202中接收的患者识别数据来访问数据存储装置106中的对应患者的患者简档115。可替代地,服务器104可以使用患者识别数据来查询数据存储装置106以提供对应患者的患者简档115。
在通信步骤208中,数据存储装置106向服务器104提供所请求的患者简档115以及对应的患者特定和非患者特定的测量标准。如下文进一步描述的,服务器104可以使用测量标准来验证在步骤212中由测量装置102生成的测量值的准确性。
在通信步骤210中,服务器104可选地向测量装置102提供患者简档115。
在处理步骤212中,测量装置102例如使用测量装置102的装置特征123来生成患者眼睛的解剖特性的测量值(例如,眼睛的眼轴长度、角膜曲率等)。测量装置还可以例如在测量装置102的用户界面128等上显示测量值(例如,以图像、值、3D模型等的形式)以供执业医师查看,以使得执业医师能够识别与测量值有关的任何问题。
在通信步骤214中,测量装置102将测量值提供给服务器104。
在处理步骤216中,服务器104处理至少一个测量值以确定该测量值是准确的还是不准确的。如上文所介绍的,服务器104可以基于测量值与测量标准的比较来验证测量值的准确性。
例如,服务器104在步骤214中从测量装置102接收患者一只眼睛的眼轴长度的测量值(称为第一只眼睛的测量值)。服务器104还可以例如从患者简档115接收测量标准,其中包括先前获得的患者另一只眼睛的眼轴长度的测量值(称为第二或另一只眼睛的测量值)和阈值距离。注意,在一个示例中,第二只眼睛的测量值可以作为在步骤212中从测量装置102接收的测量值的一部分来获得。在另一示例中,第二只眼睛的测量值可以作为当服务器104在步骤208中接收患者简档时由服务器104获得的光学测量值117的一部分来接收。
将第一只眼睛的测量值与第二只眼睛的测量值进行比较以确定第一只眼睛的测量值是准确还是不准确可以包括服务器104计算第一只眼睛的测量值与第二只眼睛的测量值之间的差值。服务器104然后将差值与阈值距离进行比较。当第一只眼睛的测量值与第二只眼睛的测量值之间的差值在阈值距离内时,服务器104将第一只眼睛的测量值识别为准确的;当差值大于阈值距离时,服务器104将第一只眼睛的测量识别为不准确的。这样,服务器104能够基于包括第二只眼睛的测量值和阈值距离的测量标准来确定第一只眼睛的测量值的准确性。
在某些实施例中,服务器104可以将当前生成的测量值(即,服务器104正在验证其准确性的测量值)与先前生成的同一只眼睛的测量值进行比较。例如,可以将当前生成的对应于右眼眼轴长度的测量值与先前生成的对应于同一只眼睛眼轴长度的测量值进行比较以计算差值。服务器104然后将差值与阈值距离进行比较。当当前生成的测量值与先前生成的测量值之间的差值在阈值距离内时,服务器104将当前生成的测量值识别为准确的;当差值大于阈值距离时,服务器104将当前生成的测量值识别为不准确的。
在某些实施例中,先前生成的测量值可以包括针对先前手术为患者生成的测量值。例如,测量装置102可以是术前测量装置,其已经在准备白内障手术时生成了与患者眼睛的角膜曲率相关联的测量值。为了确定术前测量值是否准确,服务器104可以将当前生成的测量值与在患者先前手术之前生成的测量值进行比较。如果先前的手术不是会影响眼睛光学部件的测量值的手术类型,则这样的比较可以很好地表明术前测量值是否准确。然而,在激光辅助原位角膜磨镶术(LASIK)手术中,患者眼睛的测量值可能会受到手术的严重影响。在这种情况下,服务器104可以改为将当前生成的测量值与在患者的LASIK手术之后生成的测量值进行比较。
在某些实施例中,先前生成的测量值可以包括由测量装置102之外的测量装置为患者生成的术前测量值(在同一诊所和同一天但使用不同的测量装置(例如,另一制造商)生成的测量值)。例如,测量装置102可以是术前测量装置,其已经在准备白内障手术时生成了与患者眼睛的角膜曲率相关联的测量值。为了确定术前测量值是否准确,服务器104可以将当前生成的测量值与由另一术前测量装置生成的测量值进行比较。
在某些实施例中,先前生成的测量值可以包括针对同一手术生成的术前测量值。例如,测量装置102可以是术中测量装置,其已经生成了与患者眼睛的角膜曲率相关联的测量值。为了确定术中测量值是否准确,服务器104可以将术中测量值(例如,当前生成的测量值)与由诊所提供的术前测量值(例如,先前生成的测量值)进行比较。
在某些实施例中,先前生成的测量值可以包括由除了测量装置102之外的装置生成的术中测量值。例如,测量装置102可以是术中测量装置,其已经生成了与患者眼睛的角膜曲率相关联的测量值。为了确定术中测量值是否准确,服务器104可以将术中测量值(例如,当前生成的测量值)与由例如同一天同一手术机构的另一术中测量装置提供的术中测量值(例如,先前生成的测量)进行比较。
如上所述,(例如,无论是用于右眼和左眼的测量值之间的比较还是用于当前生成的测量值与先前生成的测量值之间的比较的)阈值距离可以是患者特定的或非患者特定的。在阈值距离是患者特定的示例中,服务器104可以使用(1)ML模型基于患者简档115中患者自己的信息来确定患者特定的阈值距离,或者(2)基于患者所属群体的阈值距离库,如上所述。
在某些实施例中,服务器104可以将来自测量装置102的当前测量值与阈值范围进行比较,以确定患者眼睛110的当前测量值是否准确。如果当前测量值落在阈值范围内,则服务器104识别当前测量值是准确的。如果当前测量值落在阈值范围之外,则服务器104识别出当前测量值是不准确的。作为示例,如果人眼的眼轴长度通常落在18mm至27mm的范围内,则指示60mm眼轴长度测量的测量值可能指示不准确测量值。在一些实施例中,可以基于患者眼睛之间的对应测量值的比较来验证准确性的测量值的其他示例包括前房深度测量值、晶状体厚度测量值和角膜厚度测量值等。
在某些实施例中,如果服务器104检测到由测量装置102针对不同患者生成并且落在对应阈值范围之外的多个测量值的模式,则服务器104可以确定测量装置102失准,如下文进一步详细描述的。在这样的实施例中,服务器104可以(1)自动使测量装置102显示指示测量装置102失准的提示,(2)自动校准测量装置102,(3)自动通知维护技术人员进行评估并校准测量装置102,或(4)终止测量装置102的操作或使其操作终止。
如上文所介绍的,服务器104可以按照特定顺序或优先级从测量标准中选择单个标准。在一些实施例中,服务器104可以选择通过将测量值与多个测量标准进行比较来验证测量值的准确性。在一些实施例中,服务器104可以基于所测量的解剖特性来选择用于验证测量值的准确性的测量标准,其中,针对特定解剖特性的测量值采用特定测量标准来验证准确性。
如果在步骤216中,服务器104确定由测量装置102生成的测量值不准确,则在通信步骤218中,服务器104可以将测量值标记为不准确,并请求测量装置102重新测量患者的眼睛。在一些实施例中,测量装置102例如经由用户界面128向执业医师指示不准确测量值和重新测量请求。在一些实施例中,服务器104使得测量装置102的用户界面显示不准确测量值、不准确测量值的不准确程度(例如,不准确测量值与测量标准之间的差值)、基于识别到测量不准确的原因来纠正不准确测量值的推荐行动方案。尽管未示出,但是执业医师可以利用测量装置102重新测量患者的眼睛或者忽略重新测量的请求。注意,在一些实施例中,在确定测量值不准确之后,服务器104可以自动地使测量装置102重新测量患者的眼睛,而无需来自执业医师的任何输入。
注意,尽管本文中的某些实施例是如上所述关于验证患者眼睛的眼轴长度测量值的准确性来描述的,但是本文中所描述的实施例同样适用于验证其他测量值(比如患者眼睛的角膜曲率测量值(例如,平均K)、前房深度测量值、晶状体厚度测量值、角膜厚度测量值等)的准确性。
在通信步骤219中,服务器104可以将不准确的测量值和对应的标志存储在患者简档115中,如上文所介绍的。在一些实施例中,服务器104还可以在患者简档115中存储诸如不准确测量值与测量标准之间的差值、纠正不准确测量值的推荐行动方案等信息。
如果在步骤216中,服务器104确定测量值是准确的,则在通信步骤220中,服务器104例如经由用户界面128向执业医师指示测量值是准确的。在通信步骤221中,服务器104然后将准确的测量值存储在数据存储装置106中的患者简档115中以供将来访问。
注意,在序列图200中,服务器104要么执行步骤218和219,要么执行步骤220和221,但不是两者都执行。换句话说,如果测量值不准确,则可以执行步骤218和219,而如果测量是准确的,则可以执行步骤220和221。此外,虽然在序列图200中未示出,但重新测量患者的眼睛并验证由于重新测量而生成的测量值的准确性可以包括重复步骤212-216以及218-219或220-221。
在一些实施例中,服务器104监测特定眼科诊室(比如眼科诊室120)处的(多个)测量装置(比如测量装置102)的信息。服务器104监测这种信息并确定是否是这种测量装置导致测量值不准确。例如,在服务器104识别出不准确测量值的任何时候,服务器104还可以递增与生成不准确测量值的测量装置102相关联的计数器。服务器104可以周期性地将由计数器指示的值与阈值设备错误进行比较。如果计数器值超过阈值设备错误,则服务器104可以针对该测量装置102生成设备错误标志。在这样的示例中,设备错误标志将指示不准确测量值的模式,并且由此指示与测量装置102相关联的潜在技术问题。例如,设备错误标志可以向眼科诊室120指示应当评估或重新校准测量装置102以确保正确操作,如上所述。
下面的图3描述了测量装置102的处理器124验证由测量装置102生成的测量值的序列图。虽然序列图300和对应的描述涉及参考图1的系统100的部件,但序列图300的步骤不限于该示例实施例并且可以应用于各种其他部件组合。此外,序列图300不需要用于执行所示出步骤中的每一个或者仅执行所示出步骤,并且不限于以任何特定顺序执行所指示的步骤。
如上所述,序列图200展示了基于云的服务器104用于获得并验证由测量装置102生成的测量值的操作。另一方面,序列图300展示了测量装置102的处理器124用于以与序列图200类似的方式获得并验证由测量装置102的装置特征123生成的测量值的操作。序列图300描绘了测量装置102的处理器124、装置特征123和用户界面128、以及数据存储装置106之间的交互。序列图300执行许多与图2的序列图200中所示的操作类似的操作。序列图200与序列图300之间的对应步骤具有对应的功能和操作等。因此,对于序列图300中与序列图200中的步骤相对应的步骤,为了简洁,将不重复对应的描述。
在序列图300中,通信步骤302-310对应于通信步骤202-210,其中,患者识别数据由用户界面128接收并传送到处理器124。处理器124从数据存储装置106请求并接收患者简档115,然后将患者简档115(至少部分地)提供给用户界面128。在某些实施例中,处理器124或测量装置102与数据存储装置106之间的通信可以直接或间接地执行(例如,通过服务器)。
在通信步骤312中,处理器124可以请求装置特征123生成患者眼睛110的解剖特性的测量值。
在处理步骤314中,装置特征123生成测量值。
步骤316-323对应于序列图200的步骤214-221。注意,在步骤318中,在一些实施例中,在确定测量值不准确之后,处理器124可以自动地使装置特征123重新测量患者的眼睛,而无需来自执业医师的任何输入。
对眼科诊室进行排名的示例通信流程
在一些实施例中,数据存储装置106例如根据地理区域聚合来自多个眼科诊室的信息。数据存储装置106聚合来自存储在数据存储装置106中的患者简档115的数据。通过聚合这样的数据,服务器104可以生成针对多个眼科诊室的排名信息或推荐,如进一步参考图4所描述的。
图4是展示了在例如图1的系统100的部件之间交换的通信或由这些部件执行的处理的序列图400,用于聚合来自多个眼科诊室的信息并基于其生成排名信息。当将排名信息提供给各个眼科诊室时,可以使眼科诊室能够改进测量值和程序,从而改进患者结局。在一些实施例中,流程图400包括向低排名的眼科诊室提供推荐或建议的处理,以改进眼科诊室的测量值、手术结果满意度和排名。
虽然序列图400和对应的描述包括参考系统100的部件,但序列图400的步骤不限于该示例实施例并且可以类似地应用于各种其他部件组合和/或用例。此外,序列图400不需要执行所示出的步骤中的每一个或者仅执行所示出的步骤,并且不限于以所示顺序执行所指示的步骤。
如图所示,序列图400开始于处理步骤402,其中,数据存储装置106聚合与眼科诊室120或同行眼科诊室130交互的患者的患者简档115以创建全局数据集。在一些实施例中,聚合患者简档115包括对聚合的患者简档进行格式化。格式化可以包括确保患者简档包括相同的字段(例如,患者的历史和人口统计信息116、光学测量值117、与患者的手术相关联的实际治疗数据118、以及对应患者的患者满意度信息119,如上文所介绍的)。
在通信步骤404中,数据存储装置106向服务器104提供全局数据集或者向服务器104提供对全局数据集的访问。
在处理步骤406中,服务器104处理全局数据集以比较不同眼科诊室之间的数据,从而生成眼科诊室的排名信息。在一些实施例中,服务器104分析全局数据以基于患者的正屈光结局的数量对眼科诊室进行排名,其中,正屈光结局是基于患者满意度信息119来识别的。在一些实施例中,各个眼科诊室的排名对应于或代表各个眼科诊室的质量得分。
在一些情况下,仅患者满意度信息119可能无法提供关于眼科诊室的质量的全貌。在一些实施例中,服务器104在对眼科诊室进行排名时将术前和术中测量值的分析与患者满意度信息119相结合。例如,服务器104可以对满意患者(例如,具有正屈光结局的患者)数量最多和准确的术前和术中测量值数量最多的眼科诊室进行排名。
在一些实施例中,服务器104可以基于每个诊室的患者的左眼测量值与右眼测量值(例如,眼轴长度测量值、平均角膜曲率测量值等)之间的差值来对眼科诊室进行排名。例如,可以基于下面的公式为每个诊室生成排名。
排名=(∑(ALOD-ALOS)n/AAL)+∑(AKOD-AKOS)n/AK))/NPP
在上式中,ALOD是指患者n的左眼眼轴长度。ALOD是指患者n的右眼眼轴长度。AAL是指在诊室中测量的平均眼轴长度。AKOD是指患者n的左眼的平均角膜曲率。AKOS是指患者n的右眼的平均角膜曲率。AK是指在诊室中测量的平均角膜曲率。NPP是指患者n的数量。
在一些实施例中,服务器104可以分析眼科诊室的排名以及眼科诊室的对应患者的光学测量值、实际治疗数据和患者满意度信息,以生成提高眼科诊室的排名、测量值准确性和/或患者满意度的推荐。
例如,服务器104可以基于来自具有低排名的特定眼科诊室的患者的患者简档115来确定许多不准确测量值的原因是眼科诊室的某个执业医师始终提供不准确测量值,并忽略重新测量请求。服务器104可以基于连续分析与特定眼科诊室相关联的患者简档115来识别执业医师。例如,分析中包括的信息可以包括不准确测量值的数量、重新测量请求被忽略的数量、报告不良结局的患者数量、屈光结局不佳的数量(例如,如术后测量值所指示的)等。通过分析所有患者的这种信息并基于这些参数比较眼科医疗诊室中的不同执业医师,服务器104能够确定眼科诊室的低排名的原因是执业医师提供了不准确测量值。
在某些实施例中,服务器104可以基于来自特定眼科诊室的患者的患者简档115来确定导致眼科诊室低排名的不准确测量值的原因是与特定测量装置相关联的技术问题。例如,在一些实施例中,测量装置102可能失准、损坏或具有其他问题,这可能导致不准确的测量值。例如,服务器104可以连续地分析不准确测量值的数量、重新测量请求被忽略的数量、报告不良结局的患者、屈光结局不佳的数量(例如,如术后测量值所指示的)以及其他信息,以确定诊室所有或大部分患者结局不佳是由于特定测量装置提供的不准确测量值造成的。
在一些实施例中,服务器104可以提供推荐以纠正低排名的原因,并且因此提高眼科诊室排名。例如,在服务器104确定测量装置102导致不准确测量值的情况下,服务器104可以推荐重新校准、更换或其他动作来解决问题。类似地,在服务器104确定执业医师导致不准确测量值的情况下,服务器104可以识别执业医师并推荐培训或其他动作来解决问题。
在一些实施例中,服务器104基于患者特定测量标准和/或基于所识别的不准确测量值的原因来识别测量装置102的建议装置参数设置以改进测量值。在一些实施例中,服务器104向具有低排名的眼科诊室提供建议的设置,其中,建议的设置是从具有较高排名的眼科诊室获得的。
在通信步骤408中,服务器104向数据存储装置106提供所识别的排名信息、排名不佳或其他问题的原因、以及解决问题的推荐。在一些实施例中,尽管未示出,服务器104直接将该信息提供给相关联的眼科诊室,如眼科诊室120。在一些实施例中,服务器104将多个眼科诊室的排名信息提供给数据存储装置106,并且作为单独的通信(未示出)将所识别的原因和/或解决方案单独发送到受影响的特定眼科诊室。在某些实施例中,服务器104可以传输配置指令(例如,软件补丁、软件更新、校准指令等)以解决已经用例如测量装置102识别的问题。通信步骤410展示了这种传输的示例。
在通信步骤410中,服务器104向眼科诊室120处的测量装置102传输配置指令以自动重新配置(例如,重新校准、更新和/或改变测量装置102的设置)。
在处理步骤412中,测量装置102接收并执行配置指令,这将导致测量装置102自动改变其配置。
示例处理系统
图5是可以代表测量装置102、服务器104等中的一个或多个的计算系统500的实施例的简图。具体地,计算系统500可以被配置为执行序列图200、300和400以及操作600中的一个或多个中所展示的操作。
图5展示了计算系统500,其中,系统500的部件例如经由系统总线505彼此进行电子通信。总线505将处理器510耦合到各个存储器部件,比如只读存储器(ROM)520、随机存取存储器(RAM)525等(例如,PROM、EPROM、FLASH-EPROM和/或任何其他存储器芯片或盒)。系统500可以进一步包括与处理器510连接、与之紧邻、或与之集成的高速存储器的缓存512。在一些实施例中,系统500可以通过缓存512来访问存储在ROM 520、RAM 525和/或一个或多个存储装置530中的数据以供处理器510进行高速访问。
在一些实施例中,一个或多个存储装置530存储软件模块,比如软件模块532、534、536、538等。当由处理器执行时,软件模块532、534、536和538使处理器510执行各种操作,比如本文中描述的过程。在一些实施例中,软件模块532、534、536或538中的一个或多个包括ML模型或本文中描述的其他算法。
软件模块532包括对处理器510进行编程以使用上述测量标准来验证测量值的准确性的指令(例如,以计算机可读代码的形式)。软件模块534包括对处理器510进行编程以使用配置指令来重新配置测量装置的指令,如上所述。软件模块536包括对处理器510进行编程以生成眼科诊室的排名信息的指令,如上所述。软件模块538包括对处理器510进行编程以确定患者特定的测量标准(如阈值距离)的指令(例如,使用ML模型或库)。
虽然系统500被示出为具有仅一个处理器510,但是处理器510可以代表一个或多个中央处理单元(CPU)、多核处理器、微处理器、微控制器、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、图形处理单元(GPU)、张量处理单元(TPU)等。在一些示例中,系统500可以被实施为独立式子系统、被实施为添加至计算装置的板、被实施为虚拟机、或被实施为基于云的处理机器。
为使得用户能够与系统500交互或在系统之间通信,系统500包括通信接口540和输入/输出(I/O)装置545。在一些示例中,通信接口540包括一个或多个网络接口、网络接口卡等,以根据一个或多个网络或通信总线标准来提供通信。在一些示例中,通信接口540包括用于经由网络与系统500通信的接口。在一些示例中,I/O装置545可以包括一个或多个用户界面装置(例如,图形用户界面(例如,用户界面128)、键盘、定点/选择装置(例如,鼠标、触摸板、滚轮、轨迹球、触摸屏等)、音频装置(例如,麦克风和/或扬声器)、传感器、致动器、显示装置等)。
一个或多个存储装置530中的每一个可以包括比如由硬盘、光学介质、固态驱动器等提供的非暂态非易失性存储装置。在一些示例中,一个或多个存储装置530中的每一个与系统500位于同一地点(例如,本地存储装置)或远离系统500(例如,云存储装置)。
图6描绘了根据本披露的实施例的用于聚合来自多个眼科诊室的信息并识别与眼科诊室相关联的屈光结局不佳的一个或多个原因的示例操作600。例如,操作600可以由图1的系统100的一个或多个部件(如服务器104)来执行。
在框604中,接收和/或聚合多个患者简档,如患者简档115。聚合的患者简档可以被存储为如上文所介绍的全局数据。
在框606中,对聚合的多个患者简档进行格式化。
在框608中,基于与多个眼科诊室中的其余眼科诊室相比具有最低平均满意患者或满意结果数量来识别排名最低的眼科诊室。
在框610中,确定最低平均正结果数量的原因是设备或执业医师错误。
在框612中,系统向第一眼科诊室提供设备或执业医师错误的原因的指示。
附加考虑
提供前面的描述是为了使本领域的任何技术人员能够实践本文所描述的各种实施例。本文讨论的示例不限制权利要求中阐述的范围、适用性或实施例。对这些实施例的各种修改对于本领域技术人员来说是显而易见的,并且本文所定义的一般原理可以应用于其他实施例。例如,在不脱离本披露内容的范围的情况下,可以对所讨论的元素的功能和布置进行改变。各种示例可以适当地省略、替换或添加各种程序或部件。例如,所描述的方法可以按照不同于所描述的顺序来执行,并且可以添加、省略或组合各种步骤。此外,关于一些示例描述的特征可以在一些其他示例中组合。例如,可以使用本文阐述的任何数量的方面来实现设备或实践方法。另外,本披露内容的范围旨在覆盖使用其他结构、功能或除了或不同于本文阐述的本披露内容的各个方面的结构和功能来实践的设备或方法。应理解的是,本文所披露的本披露内容的任何方面可能由权利要求的一个或多个元素来体现。
如本文所使用的,词语“示例性”是指“用作示例、实例或例证”。本文中被描述为“示例性”的任何方面不必解释为比其他方面优选或有利。
如本文所用,关于项目列表中的“至少一个”的短语是指那些项目的任何组合,包括单个成员。例如,“a、b或c中的至少一个”旨在涵盖a、b、c、a-b、a-c、b-c和a-b-c以及与同一元素的倍数的任意组合(例如,a-a、a-a-a、a-a-b、a-a-c、a-b-b、a-c-c、b-b、b-b-b、b-b-c、c-c和c-c-c或a、b和c的任何其他顺序)。
如本文所使用的,术语“确定”包括多种多样的动作。例如,“确定”可以包括计算、运算、处理、导出、调查、查找(例如,在表格、数据库或其他数据结构中查找)、查明等。此外,“确定”可以包括接收(例如,接收信息)、访问(例如,访问存储器中的数据)等。而且,“确定”可以包括解析、选择、挑选、建立等。
本文所披露的方法包括用于实现方法的一个或多个步骤或动作。在不脱离权利要求的范围的情况下,方法步骤和/或动作可以彼此互换。换句话说,除非指定了特定的步骤或动作顺序,否则可以在不脱离权利要求的范围的情况下修改特定步骤和/或动作的顺序和/或使用。进一步地,上述方法的各种操作可以由能够执行对应功能的任何合适的装置来执行。这些装置可以包括各种硬件和/或软件部件和/或模块,包括但不限于电路、专用集成电路(ASIC)或处理器。通常,在图中展示了操作的情况下,那些操作可以具有对应的带类似编号的对应装置加功能部件。
以下权利要求不旨在限于本文所示的实施例,而是被赋予与权利要求的语言一致的全部范围。在权利要求中,除非特别说明,否则对单数元件的引用并非旨在表示“一个且仅一个”,而是“一个或多个”。除非另外特别说明,否则术语“一些”是指一个或多个。根据35U.S.C.§112(f)的规定,将不解释任何权利要求的元素,除非使用“用于……的装置”的短语明确地叙述这些元素,或者在方法权利要求的情况下,使用“用于……的步骤”的短语叙述这些元素。本领域普通技术人员已知或以后将知道的在整个本披露内容所描述的各个方面的元素的所有结构和功能等同物通过引用明确地并入本文,并且旨在由权利要求涵盖。此外,无论在权利要求中是否明确地叙述了这样的披露内容,本文所披露的内容都不旨在致力于公众。
Claims (20)
1.一种眼科测量装置,包括:
一个或多个眼科测量特征,被配置为生成患者眼睛的解剖特性的测量值;
用户界面,被配置为使得执业医师能够与所述眼科测量装置交互;
存储器;以及
硬件处理器,与所述存储器进行数据通信并且被配置为:
基于所述测量值与测量标准的比较来确定所述测量值是否满足所述测量标准;
在确定所述测量值不满足所述测量标准时,使所述一个或多个眼科测量特征生成所述解剖特性的新的测量值;
基于所述新的测量值与所述测量标准的比较来确定所述新的测量值是否满足所述测量标准;以及
在确定所述新的测量值满足所述测量标准时,使所述用户界面显示所述新的测量值。
2.如权利要求1所述的眼科测量装置,其中,在确定所述测量值不满足所述测量标准时,所述硬件处理器进一步:
使所述用户界面显示重新测量所述解剖特性的提示;以及
响应于所述提示来接收重新测量所述解剖特性的用户输入,其中,使所述一个或多个眼科测量特征生成所述新的测量值是响应于所述用户输入。
3.如权利要求1所述的眼科测量装置,其中:
在确定所述测量值不满足所述测量标准时,所述硬件处理器进一步被配置为:
分析所述测量值和所述测量标准以识别针对所述一个或多个眼科测量特征的一个或多个建议的装置参数设置以改进所述测量值;以及
使所述用户界面显示所述一个或多个建议的装置参数设置。
4.如权利要求3所述的眼科测量装置,其中,所述硬件处理器进一步被配置为基于所述一个或多个建议的装置参数设置以及通过用户输入接收的对所述一个或多个建议的装置参数设置的确认来自动重新配置所述一个或多个眼科测量特征。
5.如权利要求1所述的眼科测量装置,其中:
所述测量标准包括所述患者的另一只眼睛的解剖特性的另一测量值;
将所述测量值与所述测量标准进行比较包括确定所述测量值与所述另一测量值之间的差值是否落在阈值距离内;并且
确定所述测量值不满足所述测量标准包括确定所述测量值与所述另一测量值之间的差值未落在所述阈值距离内。
6.如权利要求5所述的眼科测量装置,其中,所述阈值距离是患者特定的。
7.如权利要求6所述的眼科测量装置,其中,所述硬件处理器进一步被配置为:
基于所述患者的患者简档来确定所述阈值距离,所述患者简档包括所述患者的人口统计信息以及用于存储所述患者的术前测量值、术中测量值、术后测量值、实际治疗数据或满意度信息中的至少一项的字段。
8.如权利要求1所述的眼科测量装置,其中:
所述测量标准包括预期值的阈值范围,预期所述测量值将落在所述阈值范围内;并且
确定所述测量值不满足所述测量标准包括确定所述测量值未落入所述预期值的范围内。
9.如权利要求8所述的眼科测量装置,其中,所述硬件处理器进一步被配置为基于确定所述测量值未落在所述预期值的范围内来确定所述一个或多个眼科测量特征需要校准、重新配置或维护。
10.如权利要求1所述的眼科测量装置,其中,所述眼科测量装置包括角膜曲率计、光学生物测量装置、自动验光仪、角膜地形图仪、眼波前像差计、光学相干断层扫描(OCT)装置或眼膜曲率计中的一个或多个。
11.如权利要求1所述的眼科测量装置,其中:
所述测量标准包括所述眼睛的所述解剖特性的先前生成的测量值;
将所述测量值与所述测量标准进行比较包括确定所述测量值与所述先前生成的测量值之间的差值是否落在阈值距离内;并且
确定所述测量值不满足所述测量标准包括确定所述测量值与所述先前生成的测量值之间的差值未落在所述阈值距离内。
12.一种眼科测量系统,包括:
眼科测量装置,被配置为生成患者眼睛的解剖特性的测量值;
用户界面,被配置为使得执业医师能够与所述眼科测量装置交互;
硬件处理器,通信地耦合到所述眼科测量装置并且被配置为:
基于所述测量值与测量标准的比较来确定所述测量值是否满足所述测量标准;
在确定所述测量值不满足所述测量标准时,使所述眼科测量装置生成所述解剖特性的新的测量值;
基于所述新的测量值与所述测量标准的比较来确定所述新的测量值是否满足所述测量标准;以及
在确定所述新的测量值满足所述测量标准时,使所述用户界面显示所述新的测量值。
13.如权利要求12所述的眼科测量系统,其中,在确定所述测量值不满足所述测量标准时,所述硬件处理器进一步:
使所述用户界面显示重新测量所述解剖特性的提示;以及
响应于所述提示来接收重新测量所述解剖特性的用户输入,其中,使所述眼科测量装置生成所述新的测量值是响应于所述用户输入。
14.如权利要求12所述的眼科测量系统,其中:
在确定所述测量值不满足所述测量标准时,所述硬件处理器进一步被配置为:
分析所述测量值和所述测量标准以识别针对所述眼科测量装置的一个或多个建议的装置参数设置以改进所述测量值;以及
使所述用户界面显示所述一个或多个建议的装置参数设置。
15.如权利要求14所述的眼科测量系统,其中,所述硬件处理器进一步被配置为基于所述一个或多个建议的装置参数设置以及通过用户输入接收的对所述一个或多个建议的装置参数设置的确认来自动重新配置所述眼科测量装置。
16.如权利要求12所述的眼科测量系统,其中:
所述测量标准包括所述患者的另一只眼睛的解剖特性的另一测量值;
将所述测量值与所述测量标准进行比较包括确定所述测量值与所述另一测量值之间的差值是否落在阈值距离内;并且
确定所述测量值不满足所述测量标准包括确定所述测量值与所述另一测量值之间的差值未落在所述阈值距离内。
17.如权利要求16所述的眼科测量系统,其中,所述阈值距离是患者特定的。
18.如权利要求17所述的眼科测量系统,其中,所述硬件处理器进一步被配置为:
基于所述患者的患者简档来确定所述阈值距离,所述患者简档包括所述患者的人口统计信息以及用于存储所述患者的术前测量值、术中测量值、术后测量值、实际治疗数据或满意度信息中的至少一项的字段。
19.如权利要求12所述的眼科测量系统,其中:
所述测量标准包括预期值的阈值范围,预期所述测量值将落在所述阈值范围内;并且
确定所述测量值不满足所述测量标准包括确定所述测量值未落入所述预期值的范围内。
20.一种用于重新配置眼科测量装置的方法,所述方法包括:
聚合多个患者简档以形成全局数据集,每个患者简档与在多个眼科诊室之一处治疗的对应患者相关联并且包括患者眼睛的解剖特性的测量值、程序结果或人口统计、以及所述对应患者的患者历史信息中的一项或多项;
将每个患者简档格式化为通用格式;
识别所述多个眼科诊室中与所述多个眼科诊室中的其余眼科诊室相比具有最低平均满意结果数量的第一眼科诊室;
确定所述第一眼科诊室的最低平均满意结果数量是由与所述眼科测量装置相关联的错误引起的;以及
自动重新配置所述眼科测量装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163227100P | 2021-07-29 | 2021-07-29 | |
US63/227,100 | 2021-07-29 | ||
PCT/IB2022/056765 WO2023007328A1 (en) | 2021-07-29 | 2022-07-21 | Systems and methods for generating accurate ophthalmic measurements |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118056245A true CN118056245A (zh) | 2024-05-17 |
Family
ID=82850138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280065230.9A Pending CN118056245A (zh) | 2021-07-29 | 2022-07-21 | 用于生成准确的眼科测量值的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230031527A1 (zh) |
EP (1) | EP4377969A1 (zh) |
CN (1) | CN118056245A (zh) |
AU (1) | AU2022318546A1 (zh) |
CA (1) | CA3227175A1 (zh) |
WO (1) | WO2023007328A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7182771B2 (ja) * | 2018-05-31 | 2022-12-05 | 株式会社トーメーコーポレーション | 眼屈折力測定装置 |
JP2020103433A (ja) * | 2018-12-26 | 2020-07-09 | 株式会社トプコン | 眼科情報処理装置、眼科撮影装置、眼科情報処理方法、及びプログラム |
-
2022
- 2022-07-21 US US17/870,304 patent/US20230031527A1/en active Pending
- 2022-07-21 WO PCT/IB2022/056765 patent/WO2023007328A1/en active Application Filing
- 2022-07-21 CN CN202280065230.9A patent/CN118056245A/zh active Pending
- 2022-07-21 AU AU2022318546A patent/AU2022318546A1/en active Pending
- 2022-07-21 EP EP22753779.2A patent/EP4377969A1/en active Pending
- 2022-07-21 CA CA3227175A patent/CA3227175A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023007328A1 (en) | 2023-02-02 |
CA3227175A1 (en) | 2023-02-02 |
AU2022318546A1 (en) | 2024-02-15 |
EP4377969A1 (en) | 2024-06-05 |
US20230031527A1 (en) | 2023-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11766293B2 (en) | Systems and methods for intraocular lens selection | |
US8657445B2 (en) | System and method for determining and predicting IOL power in situ | |
WO2015123492A2 (en) | Predicting and mitigating risk of ectasia and optimizing therapeutic outcomes | |
US20230037772A1 (en) | Method for determining lens and apparatus using the method | |
Epitropoulos | Axial length measurement acquisition rates of two optical biometers in cataractous eyes | |
US20230031527A1 (en) | Systems and methods for generating accurate ophthalmic measurements | |
WO2020152555A1 (en) | Systems and methods for intraocular lens selection using emmetropia zone prediction | |
KR102542015B1 (ko) | 렌즈 결정 방법 및 이를 이용하는 장치 | |
JP2024514199A (ja) | 白内障手術用眼内レンズ(iol)のパラメータを特定する方法及びシステム | |
Alpins et al. | Assessing total keratometry astigmatism, simulated keratometry, and total corneal topographic astigmatism against manifest refractive cylinder | |
US11488725B2 (en) | Automated intraocular lens selection process | |
Pors et al. | Correction Method for Optical Scaling of Fundoscopy Images: Development, Validation, and First Implementation | |
KR102323355B1 (ko) | 볼팅값 예측 방법 및 이를 이용하는 장치 | |
US20220031512A1 (en) | Systems and methods for eye cataract removal | |
WO2020243508A1 (en) | Apparatus and method for corneal refractive optimization using post-operative measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |