JP4878733B2 - 予測的な眼の矯正のためのシステムおよび方法 - Google Patents

Description

本出願は、２００２年３月２８日に出願された、米国仮特許出願番号６０／３６８，６４３および２００１年１２月１４日に出願された、米国仮特許出願番号６０／３４０，２９２に対する優先権を主張し、これらの開示の両方は、本明細書中で完全に参考として援用される。

（発明の背景）
（発明の分野）
本発明は、一般的に、眼の欠陥の矯正に関する技術およびビジネスソリューションに関する。特に、本発明は、視力障害の治療的な眼の矯正のための予測的な結果を提供することに関するシステム、指示書、および方法を記載する。本発明は、視力矯正手順から得られる高度な患者の視力の質を提供することを意図する。

（関連分野の説明）
人口の多くの割合は、一般的に、近視（ｍｙｏｐｉａ）（近視（ｎｅａｒ−ｓｉｇｈｔｅｄｎｅｓｓ））および遠視（ｈｙｐｅｒｏｐｉａ）（遠視（ｆａｒ−ｓｉｇｈｔｅｄｎｅｓｓ））と称される視覚欠陥を有し、これは、時おり、乱視として知られる欠陥を伴う。近視および遠視は、焦点ずれと呼ばれる低度の視覚異常の結果である。単純な乱視はまた、低度の異常である。簡単には、完全に近視の眼は、全ての入ってくる平行な光を網膜の前にある焦点にもたらし；完全に遠視の眼は、全ての入ってくる平行な光を網膜の後にある焦点にもたらし；そして単純な乱視の眼は、網膜から幾らか離れた距離で、水平線にある光の幾らかおよび垂直線にある光の幾らかに焦点が合う。

長い間、医師は、これらの欠陥を正確に測定し、そして眼鏡、コンタクトレンズ、ならびに他のデバイスおよび／または手順によりこれらを矯正しようと試みてきた。人気のある治療手順は、適切なレーザー光線（代表的に、１９３ｎｍの波長を有するエキシマレーザー）を使用して、曝露された角膜表面の容積測定部分を光剥離（ｐｈｏｔｏａｂｌａｔｅ）し、それにより、角膜の形状を改変して、入ってくる光に再度焦点を合わせるものであり、これは、開発が継続している。光学的角膜屈折矯正手術（ＰＲＫ）、レーザーインサイチュ角膜切除術（ＬＡＳＩＫ）、およびレーザー上皮角膜切除術（ＬＡＳＥＫ）は、上述の視覚欠陥を矯正するための光学的屈折手術である。

ここで、本発明者らはまた、進歩した診断技術（例えば、波面センサ）を用いて、高度な視覚異常として知られるものを正確に測定し得る。これらの高度な異常は、眼の光学系全体（奇形の角膜表面だけではない）の欠陥から生じ、そして視力および／または対照感度を低下させ、眩輝、低い光視力を引き起こすことによる、そして他の方法による、視力の質の低下の原因となる。驚くべきことではないが、デバイス製造者および医師は、理論的な限界である２０／８（超視力（ｓｕｐｅｒｖｉｓｉｏｎ）として公知）まで視力を矯正しようと試みるか、または、実際的には、これらの異常を排除、最小化、もしくは平行を保つことによるか、そうでなければ、これらの注意を高度の欠陥に向けることによって視力の質を最適化しようと試みる技術、器具およびデバイスに対応している。

多様な公知の理由およびいまだ未発見の理由のために、カスタマイズされた光学的屈折手術およびカスタマイズされたレンズ適用（例えば、コンタクト、インレー、アンレー、およびＩＯＬが挙げられる）の意図する結果は、達成しがたい。研究者は、視力欠陥を矯正する動特性をより良く理解するために、眼の構造および生理学、ならびに洗練されたモデル化に焦点を合わせてきた。興味を持った読者は、Ｃｙｎｔｈｉａ Ｒｏｂｅｒｔｓ，Ｐｈ．Ｄ．，Ｔｈｅ ｃｏｒｎｅａ ｉｓ ｎｏｔ ａ ｐｉｅｃｅ ｏｆ ｐｌａｓｔｉｃ，Ｊｏｕｒ．Ｒｅｆ．Ｓｕｒｇ．，１６，ｐｐ４０７−４１３（２０００年７月／８月）による記事を参照のこと。Ｒｏｂｅｒｔｓ博士は、以下の仮説を立てた：角膜が、均質なプラスチック片に類似する場合、構造が変化する切開に対する生体力学的応答が生じないので、放射状角膜切開（ＲＫ）として公知の手順は、作用しない（ＲＫは、車輪のスポークに似た一連の切開により角膜を平らにすることによって、近視を矯正するように設計された外科手順である）。屈折視力矯正の当業者間では、眼、特に角膜の生体力学（侵襲的な刺激に対する眼の生体どう力学的応答）が、レーザー視力矯正の結果に非常に影響するという確信が高まっている。Ｒｏｂｅｒｔｓ（同上）は、前角膜構造における変化は、単に、レーザー切除より前の角膜切除術（皮弁切除）に起因すると報告している。ＬＡＳＩＫより前の侵襲性刺激（例えば、角膜切除術）に対する生体力学角膜応答またはＰＲＫ手順におけるレーザーによる角膜ラメラの切断は、Ｒｏｂｅｒｔによると、角膜をプラスチック片ではなく、各層の間のスポンジを有する一連の積み重なったゴムバンド（ラメラ）（細胞外マトリクスにより満たされたラメラ間の空間）として見ることで説明され得る。ゴムバンドは、それらに対する下部からの眼内圧の押付けが存在し、末端が、縁にしっかりと保持されているので、引張られた状態にあると仮定される。各スポンジの水分含量は、各ゴムバンドがどのように伸長されるかに依存する。張力がより高くなると、スポンジからより多くの水をしぼり出し、それにより、ラメラ間空間が減少する；すなわち、角膜は、平らになる。従って、角膜を再形成するためのレーザー外科手術自体の作用は、角膜の生体構造を変化し得、これは、読者が見ているものが、読者が得たものではないという影響を伴う。Ｓａｒｖｅｒに対する米国特許出願２００２／０１０３４７９Ａ１は、最適化された処置結果を生み出すために、反復分析における外科的な結果を使用して、視力矯正方法の予測性を最適化することについて考察している。公開されたＰＣＴ出願ＷＯ ００／４５７５９は、使用される光剥離レーザーシステムと眼の創傷治癒応答との間の相互作用について考察しており、そして、±１０００×の範囲の矯正因子（「ファッジ因子」）が、眼の治癒応答を説明するために、Ｚｅｒｎｉｋｅ係数とＺｅｒｎｉｋｅ多項式の合計に挿入されなければならないと結論付けている。公開された米国特許出願ＵＳ ２００２／０００７１７６Ａ１は、平面波と患者の眼から測定された波面との間の光学経路差に基づく改変された多項式の形態での、放射状に依存する切除効率を考察している。多くの場合、外科医は、それらの個人の計算図表により製造者の処置プロファイルを改変し、これは、代表的に、電力変移矯正（ｐｏｗｅｒ ｓｈｉｆｔ ｃｏｒｒｅｃｔｉｏｎ）を提供するだけである。しかし、この型の個人的改変は、一般的に、患者の比較的小さなサンプルおよび手順に基づき、従って、全体的な適用可能性および最適化が、達成され得ない。米国特許第５，８９１，１３１号（表題「Ｍｅｔｈｏｄ ａｎｄ Ａｐｐａｒａｔｕｓ ｆｏｒ Ａｕｔｏｍａｔｅｄ Ｓｉｍｕｌａｔｉｏｎ ａｎｄ Ｄｅｓｉｇｎ ｏｆ Ｃｏｒｎｅａｌ Ｒｅｆｒａｃｔｉｖｅ Ｐｒｏｃｅｄｕｒｅｓ」）は、角膜切開および／または角膜切除手順に対する応答における、患者に特異的な角膜変形をシミュレーションするためのコンピュータ化された有限要素法を記載する。患者は、この型のアプローチについての一般的なフレームワークを提供するが、最適化された予測分析の問題を解決しているようではない。ヒトの角膜に対する屈折外科的手順をシミュレーションするための有限要素法の包括的な総説は、Ｄａｔｙｅによる１９９４年の論文に示され、これは、分析を洗練し、かつ、角膜のモデル化に重要であり得る他の影響および現象を含めるために、さらなる作業が必要であると結論付けている。これらの全ての努力は、切除アルゴリズムまたは計算図表を改変およびカスタマイズして、所望の屈折結果をより正確に予測し、達成しようとする、製造者および医師らによる試みに集中している。しかし、完全な視力、超視力、正常視、または最適な視力の質を表すパズル（呼び名は何であれ）が、なお、失ったピースを有することは、明らかである。例えば、誘導された球状の異常および他の高度の異常は、視力欠陥の残存および最適ではない視力の質を引き起こす既知の従来のＬＡＳＩＫ後の影響である。しかし、これらの処置が誘導する異常の原因および排除が、同様に、製造者および医師を刺激し続けている。

前述の開発の観点において、本発明者らは、治療的眼科手順、特に、光剥離屈折視力矯正の結果の最適化を容易にするハードウェア、ソフトウェア、および方法、ならびに、あるいは、最適な視力の質およびより高い患者の満足が得られるカスタマイズされた眼科用光学についての必要性を認識している。

（発明の要旨）
本発明は、光剥離屈折矯正外科手順を含む提示された治療的眼科矯正およびカスタマイズされた眼科オプティクスについての予測的結果を可能にし、そしてこの予測的結果を提供するためのトランザクションモデル（ｔｒａｎｓａｃｔｉｏｎａｌ ｍｏｄｅｌ）を支持する、装置および方法に関する。現在までの多数の臨床的研究を検討したところ、単一の因子または因子の単純な組み合わせは、計算もしくは所望された光剥離屈折矯正結果と実際の結果との間の差異を説明しないようであり、また、結果予測的でもないことが示されている。言い換えれば、今日の近視患者を処置するために使用される外科的手順／技術または剥離アルゴリズムが、明日の類似の近視患者に対して使用される場合に同じ結果を生じるという確実性は存在しない。しかし、光剥離屈折矯正手術の全ての局面における一貫性および標準化が、より良好な治療（矯正）結果を生じるという、興味深い観察がなされた。従って、本発明の実施形態は、実施者が使用するための、最良の予測的指示を生じるための最適化された治療および履歴の結果決定的なデータ（例えば、光学領域サイズ、角膜切除術の深さ、治療レーザーを駆動するための剥離アルゴリズムなど）の使用を包含し、提示された視覚欠損矯正の結果を最適化する。例示するために、１０００回の近視矯正手順の過程にわたって、外科医が、コンピュータの統計的分析プログラムへと、この手順の結果を反映すると考えられる全てのパラメータを入力するとする。これらのパラメータとしては、例えば、患者のプロファイル情報（例えば、屈折矯正情報、個人情報、文化的情報など）、実施者の技術（ノモグラム、履歴結果データなど）、設備の仕様（例えば、レーザー形状、モデルおよび操作パラメータ、ソフトウェアのバージョン、診断試験の原理など）、診断手順（例えば、誤差測定、標高ベースの局所解剖学、超音波、ＯＴＣなど）、周囲環境条件（例えば、温度、湿度、時間など）および列挙されない他の因子が挙げられ、これらに限定されない。コンピュータプログラムは、この履歴入力データを分析して、例えば、統計的に有意なパラメータおよび過去の治療結果の成功とのその関係を決定し得る。既知の近視欠損を有する１００１番目の今日の患者について、外科医は、手動または自動手段によって、新たな予測的に適切なパラメータをこのコンピュータに入力し得る。このコンピュータは、次いで、このコンピュータがアクセスを有する最適化された理論的情報および履歴情報を考慮してこの情報を分析し得、そして、測定された欠損の矯正についての最適化された結果を予測する、例えば、治療的レーザーシステムを駆動するための、カスタマイズされたレーザー剥離ショットプロファイルアルゴリズムのような結果予測的指示を生成し得る。

本発明の例示的な記載によれば、本発明の１実施形態は、提示された治療的眼科矯正についての予測的結果を提供するシステムに関し、このシステムは、少なくとも、患者および／または実施者および／または診断測定および／または治療条件および／または環境条件のいずれかに関する、複数の予測的治療結果を反映する情報（光剥離手術の非限定的な場合における手術前データ）を受容し、そして計算ステーションにこの複数の情報を伝達するための、収集および伝達ステーション（またはプラットホーム）を備える。この計算ステーションは、複数の情報を受容し得、複数の履歴治療結果情報を保存し得、この複数の履歴治療結果情報は、理論的および履歴の、治療結果を反映する予測的な情報の最適化分析から誘導され、この治療結果を反映する予測的な情報は、少なくとも、患者および／または実施者および／または診断測定および／または治療条件、理論的処置計画、実際の結果データ、および／または環境条件のいずれかに関し、次いで、改善された治療的眼科矯正を得るための最良の予測的指示である、分析された出力を提供する。この実施形態の１局面において、この収集および伝達ステーションは、種々の診断デバイス（例えば、波面センサ、トポグラファー（ｔｏｐｏｇｒａｐｈｅｒ）、厚度計、眼圧計など）、治療システム（例えば、エキシマレーザー、カスタム眼科レンズプラットホームなど）、手術室の「気象ステーション」のいずれかに対して、ハードウェア手段および／またはソフトウェア手段によってインターフェースし、そして／あるいは他の予測的に適切な新規データの実施者による入力のための手段を提供する、計算ステーションであり得る。本発明に従うこの実施形態および他の実施形態において、結果を反映する新規情報のいくつかまたは全てが、種々の機器によって自動的に収集され得、そしてこの計算デバイスに伝達され得るか、または実施者、補助者もしくは患者によって、キーパッドまたは他の公知の手段を介して手動で入力され得る。

本発明の種々の局面において、この計算ステーションは、ローカルのオフィス内システムの一部であり得るか、あるいは、ネットワーク上の遠隔サーバであり得るか、そして／またはインターネットベースであり得る。計算ステーションへの伝達および計算ステーションからの伝達は、任意の導波管ベースもしくはワイヤレス手段によってか、またはＣＤもしくはディスクのような携帯用媒体によって、容易にされ得る。有利なルーティング媒体は、確実なインターネット伝達である。

理論的結果および実際の履歴治療結果の最適化分析、ならびに最良の予測的指示を生成および提供するための新規情報の分析を実施するためのソフトウェアおよびデータ構造は、種々のアプローチを取り得る。好ましいが非限定的な例としては、統計的分析（例えば、多重線形回帰）、多次元ベクトル（行列）分析、ニューラルネットワーク形成、および有限要素分析（ＦＥＡ）が挙げられる。データベースは、例えば、個々の実施者のデータ、ＦＤＡ臨床データ、リアルタイムで更新されるプールされた第三者の結果、製造者の臨床データなどから構成され得る。コンピュータステーション、ネットワークサーバ、診断デバイス、治療デバイスならびにインターフェースハードウェアおよびソフトウェアは、全てが独立して入手可能な構成要素であるので、使い果たされず、そしてそれ自体、本発明自体の一部を構成する。

あるいは、本発明の１実施形態は、治療的眼科矯正についての予測的結果を提供するために使用され得る、末端ユーザにより制御されるデバイスに送達可能な手段で実現される、実行可能な指示に関する。

別の実施形態において、本発明は、眼科診断および／または処置システム（診断および／または処置構成要素、ならびにディスプレイを有するグラフィカルユーザインターフェース（ＧＵＩ）、および最適化された履歴情報を用いる分析のために、収集した情報の選択を容易にする選択デバイスを備え、そして提示された視覚矯正手順についての結果予測的指示を生じる）に関し、この最適化された履歴情報は、データ構造中にかまたはデータ構造によって提供される。

本発明に従う別の実施形態は、提示された治療的眼科矯正についての予測的結果を提供するための方法を記載する。この方法は、以下の工程を包含する：少なくとも患者についての眼科欠損情報を含む、治療結果を反映する複数の「新たな」情報を収集する工程；この新規情報を、決定された眼科欠損についての最適化された、理論的および実際の履歴治療結果情報を含むデータ構造を備える、計算プラットホームに提供する工程；ならびに、この計算プラットホームを介して、履歴結果情報と組み合わせた新たな治療結果反映情報の分析に基づいて、決定された眼科欠損の提示された矯正処置についての最良の予測的指示を生成する。この実施形態の好ましい局面は、ビジネスモデルとしての、料金をとって予測的結果を提供するため、またはトランザクション基礎を提供するための方法を記載する。

記載される実施形態の全てにおいて、好ましい最適化アプローチとしては、角膜超構造モデル（ｃｏｒｎｅａｌ ｕｌｔｒａ ｓｔｒｕｃｔｕｒａｌ ｍｏｄｅｌ）（ＣＵＳＭ）のパラメータと合わせた統計的分析、行列分析、ニューラルネットワーク形成、またはＦＥＡが挙げられる。好ましい診断ステーションとしては、収差計（例えば、Ｚｙｗａｖｅ^ＴＭ波面分析器およびＯｒｂｓｃａｎ（登録商標）角膜分析器（Ｂａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃｏｒｐｏｒａｔｅｄ，Ｒｏｃｈｅｓｔｅｒ，ＮＹ））が挙げられ；好ましい治療ステーションとしては、１９３ｎｍのフライングスポット（ｆｌｙｉｎｇ ｓｐｏｔ）のエキシマレーザーシステム（例えば、Ｐｌａｎｏｓｃａｎ（登録商標）またはＺｙｌｉｎｋ^ＴＭソフトウェアプラットホームを利用するＴｅｃｈｎｏｌａｓ２１７Ｚ^ＴＭエキシマレーザーシステム（Ｂａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃｏｒｐｏｒａｔｅｄ，Ｒｏｃｈｅｓｔｅｒ，ＮＹ）が挙げられ；好ましい治療手順はＬＡＳＩＫであり；そして好ましい最良の予測的指示は、レーザーを駆動するための改変されたカスタム剥離アルゴリズムである。しかし、本発明は、本明細書中に記載されるように、これらに関して限定されない。

本発明のこれらおよび他の目的は、以下の詳細な説明から、より容易に明らかとなる。しかし、詳細な説明および特定の実施例は、本発明の好ましい実施形態を示すものの、例示のみとして与えられることが理解されるべきである。なぜなら、本発明の精神および範囲内の種々の変化および改変が、本明細書中の説明および図面ならびに添付の特許請求の範囲に基づいて、当業者に明らかとなるからである。

（発明の好ましい実施形態の詳細な説明）
図１は、提示された治療的眼科矯正についての予測的結果指示を提供するためのシステム１００を例示する。この結果は、好ましくは、患者の眼１２０において視覚欠損を引き起こす低次および高次の収差を矯正しするためのカスタマイズされたＬＡＳＩＫ処置、または例えば、非共軸剥離のためのカスタム再処置によって、もたらされる。しかし、データの捕捉、フィードバックおよび分析は、ＬＡＳＩＫにのみ本発明を限定するものではないことが理解されるべきである；むしろ、本発明のストラテジーおよび実施は、例えば、ＰＲＫおよびＬＡＳＥＫ、ならびにコンタクトレンズ、ＩＯＬ、インレーおよびアンレーを含む、カスタム眼科オプティクスの設計および実施に適用される。収集および伝達ステーション１０２は、波面センサの形態で示される。波面センサ１０２は、患者の眼１２０の手術前の光学的収差を、好ましくは５次、そしてある場合には７次のＺｅｒｎｉｋｅ次数または等価物まで、測定する。例示的な波面センサ（これは、本発明自体ではなく、それ自体本発明の一部である）は、Ｗｉｌｌｉａｍｓらの米国特許第５，７７７，７１９号（この内容は、適用可能な法および規則によって可能とされる範囲まで、その全体が本明細書中で参考として援用される）に記載される。患者の眼の明らかな屈折矯正はまた、例えば、共有に係る係属中の米国仮出願番号６０／２８４，６４４（２００１年４月２８日出願）に記載されるように、波面センサデータから得られ得る。明らかな屈折矯正データおよび高次収差データは、その患者に関する、予測的な治療結果反映情報のサブセット１０５を示す。矢印１０４は、例えば、実施者、他の診断測定、治療条件および／または環境条件に関する、他の予測的治療結果反映データを示す。例示的に、医師は、個人ノモグラム情報および現在測定されるのと類似の視覚欠損についての過去の結果データ、ならびに形状、モデル、および患者の視覚欠損を矯正するために使用される波面センサおよびレーザー（治療的デバイス）、手術室周囲条件についての操作原理情報またはカスタマイズされた光剥離手術の結果を予測的に反映する任意の他の情報を入力することを所望し得る。さらなる例として、実施者は、微光視覚品質を改善するために、手術後の球面（および他の）収差を最適化することを所望し得、従って、特定の入力パラメータとして手術前の球面収差を含む。

この情報１０５（１０４）の全ては、手動もしくは自動で収集および伝達プラットホーム１０２に入力されるか、または収集および伝達プラットホーム１０２によって収集され、そして１０３において「新たな」情報として示されるように、計算ステーション１１０に伝達される。伝達１０３は、直接的手段、インターネットを介した手段、電話データ伝達手段、ワイヤレスコミュニケーション、ＣＤを介した手段、ディスクなどが挙げられるがこれらに限定されない公知の手段によって生じ得る。このように、この計算ステーション１１０は、例えば、医師のスート中にローカルに配置され得るか、または遠隔的に配置され得る。任意の場合において、この計算ステーションは、矢印１０６によって示され、そして以下により詳細に記載されるような、他の供給源からの新たな入力または履歴入力を受信し得る。

計算ステーション１１０は、好ましくは、３つの機能的能力で作動する。これらの能力のうち１つは、上記のような、「新たな」予測的治療結果反映情報１０５を受信することである。第二の能力において、この計算ステーションは、保存媒体（例えば、ディスク空間）、ならびに最適化された理論的および実際の履歴治療結果反映情報１１２を含むかそして／または生成し得る、適切なデータ構造（以下に記載される）を備える。この履歴情報は、実際の履歴データ、予測的治療結果反映情報および患者、実施者、診断、治療、環境条件などに関する理論的手術計画の最適化分析から誘導される。例えば、実施者は、１０００件の以前のＬＡＳＩＫ手順を実施し得る。患者の測定された視覚欠損を矯正するための各手順は、特定の診断デバイスの補助により得られた特定の診断測定、外科医の個人的ノモグラムによっておそらく改変された剥離プロフィール誘導アルゴリズムを有する特定のレーザーシステム、および弁形成のための特定の網膜切除手順（ＬＡＳＩＫ）を含んだ。各患者は、年齢、人種、性別などを示すプロフィールを有した。周囲の手術室条件は、各手順が実施される環境を提供した。そして各治療手順は、前述の変数のいくつかまたは全て、およびおそらく他のものによって、意図的または予測的に反映される結果（追跡期間にわたって測定された手術後結果）によって特徴付けられた。提示された治療手順（理論的手術計画）についての最適化された履歴データおよび以前の最適化された指示と合わせて、新たな入力データの分析を実施することによって、結果予測的治療の関係性が決定され得る。１００１番目の手順に関する「新たな」情報は、保存された履歴結果情報１１２、１１４’と合わせた分析のために提供され、計算ステーション１１０は、実施者（またはレーザーシステム）１１８に、患者の眼科欠損の最適化された矯正を容易にするための最良の予測的指示１１６を出力（１１４で示される）する、その第三の機能で作動し得る。この最良の予測的指示は、好ましくは、光剥離装置および手順を駆動するために使用されるカスタマイズされたアルゴリズムであるが、例えば、ＬＡＳＩＫ弁厚みおよび／または光学領域サイズのような、手順に関連する他の最適化情報を含み得る。

本発明に従う最良の予測的指示１１６を生成するためのアプローチは、種々の好ましい実施形態を含む。第一の実施形態は、新たな入力データ１０４、１０５と合わせて続いて使用され得る、実際および理論的な履歴結果データ１１２、１１４’の統計的分析を提供するために、多重線形回帰を利用する。この実施形態の基礎は、図５〜９を参照して以下のように例示される。図５は、臨床的研究サンプル群からの９２の眼間での、本明細書中で高次収差（３次、４次および５次のＺｅｒｎｉｋｅ）といわれるものの分布を示す。示されるように、３次収差（Ｚ_３ｘｙ）は、正常な集団における手術前の波面収差の大部分を示し、（負の）球面収差（Ｚ_４００）もまた、有意である。従来のＬＡＳＩＫ処置の１つの公知の効果は、高次収差、特に球面収差の誘導であり、これは、微光条件下での視覚品質の低下を説明し得る。図６は、手術前および３回の１月の手術後間隔で測定された、Ｐｌａｎｏｓｃａｎ（登録商標）（Ｂａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃｏｒｐｏｒａｔｅｄ，Ｒｏｃｈｅｓｔｅｒ，ＮＹ，ＵＳＡ）ＬＡＳＩＫ処置した４６の眼、およびＺｙｏｐｔｉｘ（登録商標）（Ｂａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃｏｒｐｏｒａｔｅｄ，Ｒｏｃｈｅｓｔｅｒ，ＮＹ，ＵＳＡ）ＬＡＳＩＫ処置した４６の眼についての、（ＲＭＳ）高次収差を示す。Ｐｌａｎｏｓｃａｎは、従来の（焦点ぼけ（ｄｅｆｏｃｕｓ）、乱視）ＬＡＳＩＫ処置アルゴリズムをいい；Ｚｙｏｐｔｉｘは、Ｚｙｌｉｎｋ（登録商標）（Ｂａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃｏｒｐｏｒａｔｅｄ，Ｒｏｃｈｅｓｔｅｒ，ＮＹ，ＵＳＡ）ソフトウェアプラットホームと組み合わせて、測定された手術前の波面収差を矯正するように設計された、カスタムＬＡＳＩＫ処置アルゴリズムをいう。図７は、３次、４次および５次のＺｅｒｎｉｋｅ項による寄与のみを示すために、球面収差項（Ｚ_４００）が除去されている点を除いて、図６と類似のグラフである。

段階的な多重線形回帰を、手術後の球面収差と手術前の測定との間の関係の予測的性質を調査するために；特に、３つの異なる瞳孔サイズ（５．０ｍｍ、６．０ｍｍ、７．０ｍｍ）での、Ｚｙｏｐｔｉｘ処置された眼およびＰｌａｎｏｓｃａｎ処置された眼についての３ヶ月の球面収差項（Ｚ_４００）を予測するために、全ての手術前の３次および４次のＺｅｒｎｉｋｅ係数を使用して実施した。Ｚｙｏｐｔｉｘ処置した眼および５．０ｍｍの瞳孔（ｎ＝５１）について、関係
３ＭｏｎｔｈＺ_４００＝ＰｒｅＯｐＺ_４００×０．３８７６８６＋ＰｒｅＯｐＺ_２００×０．０３４８８２＋０．０２３２９１
は、ｒ＝０．７５の相関係数を与えた。Ｚｙｏｐｔｉｘ処置した眼および６．０ｍｍの瞳孔（ｎ＝４６）について、関係
３ＭｏｎｔｈＺ_４００＝ＰｒｅＯｐＺ_４００×０．５０１３３６＋ＰｒｅＯｐＺ_２００×０．０５２６２１＋０．０４２７０４
は、ｒ＝０．８０の相関係数を与えた。Ｚｙｏｐｔｉｘ処置した眼および７．０ｍｍの瞳孔（ｎ＝２３）について、関係
３ＭｏｎｔｈＺ_４００＝ＰｒｅＯｐＺ_４００×０．３５６４６２＋ＰｒｅＯｐＺ_２００×０．０７０９２１＋０．０６８８１２
は、ｒ＝０．７２の相関係数を与えた。６．０ｍｍの瞳孔について図８に示されるように、この式を使用して、観察された値と予測された値との間に、強い一致が存在する。Ｐｌａｎｏｓｃａｎ処置した眼および５．０ｍｍの瞳孔（ｎ＝５２）について、関係
３ＭｏｎｔｈＺ_４００＝ＰｒｅＯｐＺ_４００×０．９３３５７９＋ＰｒｅＯｐＺ_２００×０．０２３７６０＋０．００４５４９
は、ｒ＝０．８４の相関係数を与えた。Ｐｌａｎｏｓｃａｎ処置した眼および６．０ｍｍの瞳孔（ｎ＝４６）について、関係
３ＭｏｎｔｈＺ_４００＝ＰｒｅＯｐＺ_４００×０．７４５１５０＋ＰｒｅＯｐＺ_２００×０．０３７６５３−０．０２０６３３
は、ｒ＝０．８４の相関係数を与えた。Ｐｌａｎｏｓｃａｎ処置した眼および７．０ｍｍの瞳孔（ｎ＝２３）について、関係
３ＭｏｎｔｈＺ_４００＝ＰｒｅＯｐＺ_４００×０．６３８７３２＋ＰｒｅＯｐＺ_２００×０．０５５６８２−０．０６９０７７
は、ｒ＝０．８１の相関係数を与えた。この式を使用する６．０ｍｍの瞳孔データについて図９に示されるように、観察された値と予測された値との間に強い一致が存在する。従って、「新たな」情報（手術前の球面収差）を、統計的に分析された「履歴」情報（瞳孔サイズ、手術後の球面収差、焦点ぼけ）と合わせて分析して、患者の手術後３ヶ月の球面収差を最適化するための、予測的指示を生成した。

別の実施形態によれば、多変数行列アプローチが、最良の予測的指示を提供するために使用され得る。薄いレンズ式に基づいて剥離プロフィールを決定するための現在の手順は、種々の欠点によって制限されている。例えば、生体力学および治癒応答は考慮されず、そしてＭｕｎｎｅｒｌｙｎ式の単純な使用は、屈折力の変化のみに基づいて、組織除去プロフィールを導く。さらに、現在の線形アプローチは、外科医の間での個々の手順の差異に適合しない。この全てから生じるものは、収差矯正調節をもたらすための実行可能な手段を有さない、個人化ノモグラムを介した屈折力の調節である。

例示的に、Ｚを、除去されるべき角膜表面に関する、収差計からのＺｅｒｎｉｋｅベクトル出力を示すベクトルとする。

ここで、収差計からの波面データ出力は、角膜の屈折率ｎによって改変されている。Ｍ’を、波面情報および非波面情報（例えば、局所解剖学または他の手術前患者データ）によって影響されるとして種々のＺｅｒｎｉｋｅ項の独立性を説明する項を有する臨床行列として定義する。例えば、Ｍ’は、対角行列

であり得る。ここで、この行列要素Ｃ_ｉｊは、上記のような、手術前および手術後の球面収差測定の多重線形回帰から生じる項である。種々のＺｅｒｎｉｋｅ項間の相互依存性は、代表的には臨床的研究によってさらに認識されるので、Ｍ’は、完全なｎ×ｍの行列として書き込まれる。別の行列Ｍ’’は、実際および理論的履歴結果情報から生成され得る。形式において、以下：

である。好ましくは、Ｍ’’は、外科手順を反映するためにＭ’’を定期的に更新するためのフィードバックループを生じるように、Ｍ’について使用されるのと同じ分析ソフトウェアを用いて展開される。得られた行列Ｚ’＝Ｍ’’×Ｍ’×Ｚ＋（定数）は、患者の視覚欠損を矯正するための、最適化された予測的指示を生成するための情報を示す。この実施形態の拡張された局面において、Ｍ’’は、複数の供給源からの情報を含み得、従って、このような情報を提供するサービスを利用することを望む任意の外科医に、予測的指示を提供するための中央データベースとして作用し得る。この場合、Ｍ’’は、利用可能となる新たな結果情報として更新され得る。更新情報は、関連情報の購入または賃貸を含む、種々の取得スキームによって、複数の供給源から入手され得る。

図１１を参照して記載される、本発明に従う異なる実施形態において、ニューラルネットワーク環境２０００は、外科医に最良の予測的指示を提供し得るアプローチである。ニューラルネットワーク形成（ときどき、ニューロ計算（ｎｅｕｒｏ−ｃｏｍｐｕｔｉｎｇ）とも称される）は、情報処理のための基本的には新規のアプローチであり、そして連続的なプログラムされた計算に対する、第一の実行可能な代替法である。ニューラルネットワークは、アルゴリズムをどのように開発するかの知識がほとんどないかまたは全くない適用について、明確な利点を提供する。ニューラルネットワークは、不正確または不明瞭なデータが存在する場合に作動し得、そして履歴情報から信頼できる予測を生成するようにトレーニングされ得る。ニューラルネットワークは、特定の学習法則に従って、記憶されたデータを改変することによって、外部入力に適応し得る。これらは、次に、問題を示す際に、ネットワークの形状（接続の数）をサイズ変更し得る。しばしば、任意の問題について多数の解決が存在するが、ニューラルネットワークアプローチの利点は、最適な解決または結果を生じるように学習するネットワークに起因する。本発明の１実施形態によれば、屈折矯正手術結果を改善する作業は、大きく多様なセットの患者、診断データおよび履歴データの分析、ならびに所望の結果を与える剥離アルゴリズムの予測とみなされ得る。剥離アルゴリズムを決定するために提供される多数のデータは、伝統的な統計的方法によって相関係数を分析および決定するのが困難であることが証明されているので、ニューラル計算は、広いベースの診断データを分析し、そして最適化された予測可能な結果を提供するための、理想的なツールであることを証明し得る。ニューラルネットワークは、以下の図１１のように、後方伝達モードで機能し得、この図１１は、データベース化されたトレーニングを含む単純なニューラル計算モデル２０００を示す。手順の結果に適用可能であり得る全ての関連する手術前データ（予測的結果反映情報）は、バッファ層２００１に入力される。隠れ層２００３は、第三者に独占的な履歴情報（法則および関係）からなり得、システムが既存のデータおよび結果から試験および学習することを可能にする。過去の手順からの履歴結果を知ることにより、隠れ（分析）層２００３は、既知の重み付け因子を予め割り当てて中間結果を生成することによって、所望の結果を達成するための適切な計算を実施するようにトレーニングされる。新たな患者データ、理論的結果データおよび実際の結果データが利用可能になるにつれ、隠れ層２００３は、出力バッファ２００５において最良の予測的指示を出力するようにトレーニングされ続ける。

ニューラルネットワークの独自の特性は、これらが、既存のデータセットおよび既知の解決からトレーニングされて、将来の情報からの結果を改善するために、隠れ層重み付け関数および法則を更新し得る点である。既知の結果のデータベースが大きくなるほど、最適な解決を生成することにおいて、このネットワークはより効果的になる。ニューラル計算モデルは、好ましくは、図１２および図１３にそれぞれ示されるように、ｗｅｂベースの適用モデル３０００、４０００で実行される。全ての情報３００２、３００４は、計算サイト３００６にて収集され、ここで、データ分析は完了され得、そして予測的な最良の指示出力３００８は、顧客３０１０に戻される。入力および出力は、好ましくは、図１３に示される計算アーキテクチャ４０００とインターフェースするｗｅｂベースの適用を介したものである。法則ボックス４００１は、処理を完了するために必要なコンピュータソフトウェアおよび分析技術をいう。保存要件４００３もまた、規定され得る。一旦システムが規定されると、これは、任意のサイズの顧客ベースを支持するために、容易に拡張され得る。これは、ｗｅｂベースのビジネスにとって標準的な拡張可能アーキテクチャを示す。

本発明によって具体化される第四のアプローチは、正確な角膜超構造モデル（ＣＵＳＭ）入力および正確な有限要素を、眼についてのヤング率データおよびポアッソン比情報を得るために、上記のような新たな入力データと組み合わせて使用する、確率的な有限要素分析（ＦＥＡ）に依存する。眼の適切な生体力学的モデルは、超構造的線維モデルによって提供される角膜の構造モデリングおよび水和したマトリクスモデル成分に基づく流体力学分析の両方を含まなければならないことが、提唱されている。本明細書中で、角膜超構造モデル（ＣＵＳＭ）と称される角膜システムのこれら２つの局面は、以下に概説される。

生物学的組織は、巨視的規模で試験する場合、非等方性かつ高度に非線形のようである。しかし、この挙動を測定する引張り試験は、妥当な物理的環境を再現しない。例えば、角膜材料のストリップを最初に引き伸ばすことは、測定可能な張力を生じないが、そのかわりに、水の放出を生じる。最終的に、しばしば超生理学的条件において、張力は、限定された範囲を超えて指数関数的に増大する。しかし、これらの複雑な非線形性は、ほとんどの部分について線形であるが、複雑に絡み合った機構を無視することの結果であり得る。それにもかかわらず、線形機構の線形複合材は、その線形性を保持するので、いくらかの必須の非線形性が存在しなければならない。理想的には、この非線形性は、基本的に単純であり、そして全体的にほぼ線形の機構の複雑性によって増幅される。そうである場合、正確に予測的かつ広く適用可能なモデルは、全ての超構造機構の本質的要素が完全に取り込まれた後にのみ、実現される。

超構造的に、角膜は、図１４に図式的に示されるような、主に層において配列され、グリコサミノグリカン（ＧＡＧ）の親水性マトリクスによって間隔を空けられ、そして水で満たされ、いくらかは結合し、いくらかは遊離した、配向した繊維（ラメラ）１０００２からなる複雑な複合材料である。従って、正確なモデリングツールは、以下の事実を含むかまたは説明しなければならない：
１．応力下のメンバーは、外皮ではなく、原繊維の層である。眼内圧（ＩＯＰ）は、原線維を張力下におく。この張力は、角膜の厚さにわたって均一に分布する（すなわち、前方の原繊維および後方の原繊維には、ほとんどの部分にわたって均等に応力がかかる）。

２．被さった原繊維層は、交差される（ほぼ直角）。ヒト角膜は、原繊維優勢の特定の方向を有する（水平および垂直の両方）。この方向性、および厚度計測の末梢増大率のような他の形状因子は、種によって異なる。厚さの異常（例えば、鼻の薄いスポット）は、原繊維層の非均一性から生じ、そして発達的な性質である。

３．縁連結部（ここで、半径８ｍｍの表面が、半径１２ｍｍの表面を連結する）での比較的大きい円周応力は、円周線維環１０００４によって支持される。

４．強膜線維は、広範囲の平行原線維層に組織化されるのではなく、交差している。最小の硬膜厚さは、その赤道（眼の光学軸または対称軸に関して）で生じる。

５．表面の形状は、原繊維の長さによって決定され、そして層の相互連結によって安定化される。正常（すなわち、健康かつ手術後でない）形状は、眼内圧の有意な変化によって影響されない。これらの中程度の応力下で、原繊維は、感知できるほどには伸長しない。

６．原繊維が切断されると表面の形状の変化が生じ、応力を非均一に再分配し、そして荷重されない繊維層の伸長を可能にする。この伸長は、原繊維の複雑な相互作用および内部原繊維マトリクス圧力による架橋応力によって決定される。Ｒｏｂｅｒｔｓ（同上）を参照のこと。

７．透明性に必要な原繊維間隔は、正確に維持される。これは、多数の層のタイル張りの（ｔｉｌｅｄ）線維（平行原繊維の集約した群である線維）として、観察された間質構造を必要とする。

８．特に縁の近傍での、角膜の末梢不透明性の増大は、縁の近傍での原繊維の組織化の低さ（例えば、原繊維交差の増大）を示す。

９．原繊維の間隔は、弾力のある間隔材料（原繊維間ＧＡＧ）と流体圧力（恒常性が、相対的に負である（約−６０ｍｍＨｇ））との間の複雑なバランスによって維持される。陰圧または吸引（吸入）は、内皮によって維持される。

１０．生理学的範囲にわたって、角膜の厚さは、水和に比例する。生理的食塩水中の切除された間質は、時間のタイムスケールで、その生理学的値の１５０％まで膨脹する。生理的食塩水中で押さえつけると、実質的に正の膨潤圧力が測定され得る。吸引が膨潤圧力を相殺するように適用されると、負の吸入圧力が測定され得る。

１１．膨潤および吸引マトリクス圧力は、線維の張力の発生を担う眼内圧よりも規模が大きい。従って、原繊維間マトリクス圧力は、決して無視できない。

１２．原繊維間架橋、マトリクス組成、原繊維層構造および原繊維配向は、全て、角膜内で空間的に依存している。局所的線維層配向は、少なくとも部分的に、過剰の眼内圧によって誘導される、観察された非均一メリジオナルひずみを担う。

１３．角膜は、若年期には弛緩しており、年齢とともにより硬くなる。これは、おそらく、原繊維間マトリクスの（種々の分子種の蓄積による）架橋および／または硬化が年齢と共に増大することに起因する。

（角膜線維モデル）
本発明を説明する目的で、線維は、原繊維の集約した群として理論上定義される。従って、線維は、生理学的実体ではなく、モデリング構成体である。これは、生理学的層を細分化する方法である。角膜線維モデルは、以下の３つの仮定からきている：
１．線維は、測地線に沿う。角膜線維は、曲げモーメントに耐えられない。従って、角膜線維は、ほとんどの部分にわたって、純粋な張力下にある。純粋な張力下にある線維は、まっすぐな線に沿い、この線は、いくつかの表面に制限される場合、この表面の測地線である（例えば、球面の大きい円周）。

２．線維は、表面をタイル張りする。全ての層は、線維の個々のタイル張りである。架橋によって形成されるギャップは、有意な光学的散乱を生じるので、回避される。

３．線維領域は、保存される。別々の原繊維の数および原繊維間隔は、保存される。従って、線維が、線維が含む別個の原繊維によって規定される場合、線維領域は、保存されるはずである。

図１５を参照して、以下の命名法は、本発明に従う角膜線維モデルを理解する際に、読者の補助となる。縁平面１００２０は、縁に最良に適合する平面である。角膜頂点１００２２は、縁平面から最も遠い、中心の前方表面の点である。角膜軸１０００４は、角膜頂点と交差する縁平面に対して垂直である。メリジオナル平面１０００６ｎは、角膜軸を含む。任意の層の中心線維は、角膜軸と交差する線維である。中心線維から最も遠い層の線維は、側方線維である。任意の層について、中央平面は、中心線維と垂直に交差するメリジオナル平面である。

以下の結論は、以下のモデル仮定から直ぐに推論され得る：
１．線維アスペクト比は、中央から末梢の位置へと、徐々に変化する。線維領域が保存され、そして線維がいつも測地線に沿う場合、凸型表面上にある線維は、中央で最も薄く、末梢に行くほど増大するはずである。これは、一部、間質の厚みが、末梢ほど増大している理由を説明する。しかし、本発明者らは、観察された厚さの増大が、個々の線維のアスペクト変化によって完全に説明されないとみなしている。正常なヒトの厚さ分布を再現するために、同じ層中の異なる線維は、異なる領域を有さなければならず、この領域は、中心から側方の線維にむかって増大する。

２．側方線維は、縁円周線維環へと天然に融和する。測地線配向は、側方線維を末梢へと曲げる。従って、最も側方の線維は、縁線維環へと容易に流れる。

３．角膜組織化（タイル張り）は、強膜の崩壊（交差）を導く。単一層中のタイル張り線維は、全ての原繊維に、２つの対向する直径の点にて交差させる、球面上の測地線に沿う。この球面例のさらなる段階を取ると、全ての角度での被さった層の交差の多重度は、一緒に、赤道（交差する直径点の位置）で全て交差する原繊維を含む。位相幾何学的に、このことは、角膜上の均一なタイル張りが、環状縁領域中の広範な原繊維交差を必ず導くことを意味する。

角膜の形状はどのように決定されるのだろうか？線維が張力下で形成される場合、平らな平面が予測され得る。しかし、発達中の角膜は、適切に形成するために加圧されなければならないことが、長年観察されている。その最終的な形状は、間質原繊維の生成を担う外胚葉性細胞の最初の配置によって決定され得る。圧力は、この細胞層をドームへと膨脹させる。線維が重なると、この線維は、細胞層に沿う。最終的に、この線維層は、十分厚く、そして密封され（連結ＧＡＧを介して）、その結果、層は、それ自体で圧力に耐え得る。このことが、これらの線維を張力下におき、そして既に固定された原繊維の長さによって維持される形状で表面を形成する。反復層がこの表面に付加され、これらの原繊維は表面測地線に沿う。

線維は、角膜の外側の測地線に沿わない。例えば、縁環線維は、測地線に沿わない。また、その後方の極では強膜の厚化が存在しない。強膜の厚化は、測地線に沿う場合、最小の赤道厚さの結果である。さて、角膜と強膜のレイアップとの間の差異とは何か？角膜線維の平行層は、側方線維曲げ力を許容しない。従って、角膜線維は、測地線に沿うはずである。強膜線維（相互に織られている）は、互いに対して側方力を発揮し得、そして測地線の曲線に沿う。

角膜原繊維は保存される。これは、原繊維が最後まで見られないが、縁から縁へと（および縁を超えて）角膜にわたるようであるという繰り返された観察から推論され得る。原繊維の末端が稀であるか、または他の線維といくらか密集して終結する場合、これらは、検出が非常に困難である。任意の下にある原繊維がどのように構築され得るかを想定することが困難であるので、原繊維の保存は、厳密には正確でないかもしれない。

（水和マトリクスモデル）
角膜線維を、眼内圧によって設定された内部圧力勾配によって、屈曲させた。例えば、層の表面が球状である場合、この表面に対して垂直な圧力勾配は、以下によって与えられる：

ここで、ｐは、眼内圧であり、σは、膜応力であり、そしてＲは、膜の半径である。線維は、ほぼ等しく応力を受け、そして層の半径は、角膜の深さにわたってほぼ均一であることが、周知である。従って、圧力勾配は、角膜全体にわたってほぼ一定である。しかし、機械的に誘導されるこの圧力勾配は、状況のほんの一部である。角膜内の水圧（実際には吸引）は、フィブリル間間隔を支配する原因である。角膜の形状の任意の正確な予測は、両方の機構（すなわち、圧力勾配に起因するフィブリルの屈曲、および水力のバランスに起因するフィブリル間の間隔）を含まなければならない。

グリコサミノグリカンマトリクス（これは、フィブリル間間隔を維持する）は、非常に親水性である。吸収された水は、このマトリクスを膨張させ、従って、フィブリルの間隔は、角膜の水和を制御することによって、支配される。生理学的に正常な状態は、比較的脱水されており、このことは、ホメオスタシスについて負の内圧を必要とする。従って、このマトリクスの機械的状況は、比較的負の水圧によってもたらされる圧縮下の、弾力性のある材料の１つである。このマトリクスの「ばね定数」は、吸収または膨潤の圧力の測定から推定され得る。「吸収」とは、マトリクス内の負の水圧である。「膨潤」は、圧縮されたマトリクスの正の反応圧力である。正の膨潤圧力Σの測定される形態は、以下のように表され得る：
Σ＝Σ（Ｈ）＝Σ_０ｅｘｐ（−ｃ_１Ｈ＋ｃ_２Ｈ^２）。

これは機械的に表されるが、マトリクスのばね力は、吸収（すなわち、水分子の、親水性ＧＡＧとの結合）によって駆動されることを覚えておくべきである。従って、これはまた温度依存性であり、Σは、温度の上昇とともに減少する。水和Ｈは、角膜（フィブリルとマトリクスとの両方）の乾燥質量で除算した水の質量として定義される。上記膨潤圧力の関係は、１〜１０の範囲のＨにわたって妥当である。角膜の厚さＴは、水和に直線的に関係し、ｄＴ／ｄＨは、ヒト角膜について、０．１４ｍｍ／Ｈに等しいことが観察されている。

角膜の乾燥質量密度ρ_Ｄは、全ての哺乳動物種について、実質的に同じである。

これらの２つの水和したマトリクスの方程式Σ（Ｈ）およびＴ（Ｈ）は、複雑な線維の機構と組み合わせて、角膜の静的モデルを構築するために十分である。

図１６の概略は、ヒトの眼における、外側から内側への正常な静的水圧プロフィールを示す。空気中の大気圧１００３０から開始して、吸収圧力１００３２への約６０Ｔｏｒｒの負のジャンプが存在する。この急激な低下は、上皮を横切って付与される。角膜間質１００３４にわたって、次第の圧力増加が存在し、全体でＩＯＰに等しくなる。内皮１００３６を横切って、ＩＯＰへの正のジャンプが存在し、これは、前眼房１００３８において均一である。しかし、このホメオスタシス状況は、手術および他の介入によって変更される。例えば、２時間の低酸素ストレスの影響を試験する研究［Ｏｄｅｎｔｈａｌ，１９９９］は、角膜の厚さの行き過ぎ、続いて減衰した振動を示す指数関数的緩和を記載した。従って、必要とされる散逸性要素および容量性要素は、これまでに提示された静的方程式に現れない。従って、失われた片は、角膜内の水の拡散による移動を説明しなければならない。一連の拡散モデルが、既存の水和方程式と組み合わせられて、角膜内のＨ_２Ｏについての移送方程式Ｈ（ｘ，ｙ，ｚ，ｔ）を得ることができる。拡散モデルの例としては、単純拡散および走化性拡散（化学的拡散）が挙げられる。

正確な生物機械的予測を行うために、角膜は、一般的にと個々にとの両方で測定およびモデル化されなければならない。従って、適切な有限要素モデル（ＦＥＭ）は、ＣＵＳＭから取られた必須成分であると本発明者らによって現在考えられているものを組み込み、これは、以下からなる：（ａ）フィブリルの配向；（ｂ）ラメラの大きさおよび構造；（ｃ）ラメラの機械的特性；（ｄ）水和移送機構；（ｅ）間質の構造；（ｆ）上皮；（ｇ）親水性ＧＡＧの構造；（ｈ）ラメラ層間の架橋；および（ｉ）縁（周囲のリング）におけるフィブリルの構造。正確な有限要素を構築するために必要であると考えられる個々のデータは、以下からなる：（ａ）地形学的な高さのデータ；（ｂ）波面のデータ；および（ｃ）ＩＯＰデータ。一旦、ヤング率およびポアソン比の正確な値が決定されると、正確な有限要素が構築され得る。好ましくは、有限要素は、三次元の、異方性の、層状の、２０の節を有する固体要素である。一旦、有限要素が構築されると、侵襲性手順がシミュレートされ得、そしてモデリングの結果が、実際の手術結果からの実験データと比較され得る。次いで、有限要素は、シミュレートされた手順が観察された応答に一致するまで、反復的に改変され得る。次いで、最適化されたモデルの出力は、提唱される外科的な眼の矯正のための最良の推定指示を提供する。

（角膜の有限要素モデル）
本発明の例示的な実施形態によれば、図１７に示される角膜のシミュレーションモデル５００は、強膜５０２、縁５０４、および角膜５０６を含み、ここで、光学ゾーンの角膜の前表面／後表面は、Ｏｒｂｓｃａｎ角膜分析システム（Ｂａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃ．，Ｒｏｃｈｅｓｔｅｒ，Ｎｅｗ Ｙｏｒｋ）を用いてなされた診断実験から決定された。強膜、縁、および角膜の外周領域は、楕円形状を形成し、この楕円形状は、光学ゾーンの縁部において、測定された角膜表面に移行すると仮定される。図１８は、角膜モデルの切り取り有限要素メッシュ５０８を示す。

図１９に示されるように、正位の層状ブリック要素５１０は、眼の全ての領域を表すために使用され、ここで、各層５１２_ｎについての材料特性および材料配向は、各領域の全体の特性を規定するように働く。強膜において、層の特性は均一であり、そして横断方向に等方性の応答を生じ、一方で、縁のラメラは、優勢な周囲配向および高い「フープ」硬さを有する。角膜ラメラは、後表面の近くでランダムな配向を有し、そして前表面の近くでは、より優勢に直交配向に移行する。これらの配向は、図２０の要素表現５５０によって示される、５つの層状要素５１２_１〜５１２_５によって示される。

各有限要素層（１要素あたり最大で１００層であり、角膜の厚さにわたって５〜１０の要素）についての材料特性は、以下のいずれかとして特定されなければならない：ａ）上皮、ｂ）Ｂｏｗｍａｎ層、ｃ）ラメラ、ｄ）基底の基質、ｅ）Ｄｅｃｅｍｅｔ膜、またはｆ）処方された配向および構造を有する内皮。短縮された通常の分配を使用して、層の厚さ、ならびにラメラの幅および配向をサンプリングする；双一次重み付け関数を使用して、ラメラの配向を、前表面より下の深さの関数として改変する。シミュレートされたラメラが先に規定されたラメラと一致する領域において、層状要素のこの部分は、基底の基質と一致すると仮定される。さらに、ラメラは、縁から縁へと、正中に沿って延び、厚さの変動が、一定の断面積と一致すると仮定される。サンプリング分布のパラメータは、ラメラの幾何学的形状および層状のラメラの相互作用についての広範な仮定を表すように選択され得る。

角膜に対する基本的な構造的負荷は、ＩＯＰであり、そしてこれは、眼球を膨張させる傾向がある。従って、要素の方程式は、内圧を考慮するための応力硬化効果を組み込む。非線形の幾何学的効果もまた、有限要素応答の評価に含まれる。さらに、有限要素間の切開は、切開表面に隣接する要素間の結合性を放すことによって、シミュレートされ得る。これは、二重の節を、潜在的な切開表面に沿って規定し、そしてこれらを数学的に「結び付ける」ことによって、達成される。次いで、実際の切開は、引き続いてこの結び付きを離すことによって、シミュレートされる。要素を切り離す例は、図２１に示される。

本発明の好ましい実施形態によれば、有限要素分析アプローチは、ヒトの眼の構造に関するさらなるデータと組み合わせて、ヒトの角膜の構造的特性および観察される挙動の全ての包含を含む。この情報を、患者からの特別な情報と組み合わせることによって、構造的観察は、次いで、患者の眼の３Ｄモデルに組み込まれる。次いで、問題は、Ｆ＝Ｍａ＋Ｃｖ＋ｋｘの形式の方程式を解くために換算され、ここで、Ｍは、物体の質量であり、ａは、物体の加速であり、Ｃは、内部振動の減衰定数であり、ｖは、速度であり、ｋは、材料の弾性変形の剛性マトリクスであり、そしてｘは、移動の規模である。この方程式は、ヒトの角膜の機械的挙動を予測するために必要な情報の全てを含む。この方程式は、非線形になり得、この場合、数学はより複雑になる。これらの方程式の実際の解は、非線形部分微分方程式（ＰＤＥ）の系の解を必要とする。微分方程式は、弱い形態のＰＤＥの解を見出すことによって解かれる。しかし、角膜の問題を解くために必要とされる数学は、任意の材料変形問題を解くための数学と同一であることが理解される。次いで、本発明の実施形態は、構成的関係であり、これは、要素内および要素間で作製される、構成的特性に基づく。要素の構成的特性が既知である場合、解は、角膜応答系について見出され得る。この例示的実施形態は、患者のクラスについての角膜の構成的特性を逆算し、そして角膜になされる任意の作用に起因する角膜の構造的応答の予測的分析を提供するように設計される。これらの構成的特性を得る例示的な方法は、図２２の流れ図６００に示される。工程６０２において、強膜上皮の形状パラメータが特定される。これらのパラメータは、眼の軸方向長さの測定から得られ得るか、または通常の集団から一般化された値が使用され得る。工程６０４において、患者の角膜の幾何学的形状が決定される。好ましくは、これは、前眼房の幾何学的形状であり、そして最も好ましくは、これは、Ｏｒｂｓｃａｎ前処理試験を用いて得られる、非一様有理基本スプライン（ＮＵＲＢＳ）の形態である。代替の局面において、適切なデータが、ＯＣＴまたはＣ−走査（超音波）測定によって得られ得る。工程６０６において、眼球全体（角膜、縁および強膜を含む）の３Ｄ固体幾何学的形状が公式化される（図１７、１８に示されるように）。工程６０８において、切開／剥離表面が、推定外科計画の最良の推定に基づいて、同定される。角膜の非平面化は、図１７の非平面化プレート５１４を用いてシミュレートされ、そして１ｍｍ変形した角膜は、図２３において切り取られて、そして図２４において拡大されて示されている。工程６１０において、デフォルトの有限要素サイズが選択され、そして有限要素メッシュが、図１８に示されるように作成される。球状要素の座標系が使用され、そしてこの要素の縁部は、切開／剥離表面と一致する。本質において、これらの要素は、意図される切開の周りに構築され、これらの要素をそれらの位置においてカップリングおよびデカップリングする能力を有する。工程６１２において、要素の層が規定される。各層のプロセスは、以下のとおりである：
（ａ）材料を、上皮、Ｂｏｗｍａｎ層、ラメラ、基底の基質、Ｄｅｃｅｍｅｔ膜、または内皮として特定する、
（ｂ）層の厚さを特定する、
（ｃ）この層についてのラメラの位置および配向を以下によって特定する：
ｉ）周囲における開始地点を選択する（０〜３６０°）、
ｉｉ）ラメラの配向（−９０°〜９０°；深さの関数）を選択する、
ｉｉｉ）ラメラの幅（１〜４ｍｍ）を選択する、
ｉｖ）各ラメラを、縁から縁へと投影する；
ｖ）クリアであるかまたはこの層の別のラメラによって部分的にブロックされている場合、幅を減少させ、そして投影を完全にする；そうでなければ、基底の基質として規定する
ｖｉ）ラメラの最大数が処理されたか？
いいえであれば、（ｃ）に行く；
はいであれば、全ての特定されない層を、基底の基質として規定し、そして次の層に進む；
ｖｉｉ）基底の基質およびラメラの特定が全ての層について規定された後に、個々の要素を、要素中心の位置に基づいて適用する。

工程６１２において、境界条件が規定される。これらは、好ましくは、強膜に閉じ込められた移動、および個別化されたＩＯＰ値を含む。工程６１６において、この系の基本的な数学的パラメータが特定される。これらとしては、ヤング率（Ｅ_ｘ，Ｅ_ｙ，Ｅ_ｚ）；ポアソン比（ｖ_ｘｙ，ｖ_ｙｚ，ｖ_ｘｚ）；およびせん断率（Ｇ_ｘｙ，Ｇ_ｙｚ，Ｇ_２ｘｚ）が挙げられる。工程６１８において、切開／剥離表面が離され、そして漸増非線形解が実施される。最後に、工程６２０において、モデル化された角膜の形状が、測定された処置後のデータと比較される。これらの形状が一致する場合、有限要素が正しくモデル化されている。この形状の一致が満足でない場合、この方法は工程６１６に戻り、ここで、材料パラメータが改変され、そして工程６１８、６２０が再度反復される。

このモデリングの最終結果は、各「クラス」の患者についての正確な有限要素モデルであり、これは次いで、特定の患者クラスにおける新たな患者が本発明によって手術について評価される場合の、推定情報として使用され得る。

図２は、ＬＡＳＩＫ手順のためのシステム構成２００全体を示し、これは、上記実施形態に記載されるような、本発明を組み込む。診断ステーション２１０は、好ましくは、波面測定のための収差計を組み込み、そしてまた、示されるような、任意の適切な診断機器２１２（例えば、角膜の幾何学的形状を測定するためのトポグラフィーデバイス、客観的または主観的な屈折データのための自動屈折計または他のデバイス、ＩＯＰのためのトノメーター、および当該分野において公知の他のもの）を備え得る。診断出力２１５（患者についての「新たな」情報を表す）は、コンピュータ２２０に送信され、このコンピュータは、構造的または機能的なアーキテクチャ２２２（例えば、最適化された実際のデータベースおよび理論的履歴結果のデータベース、捕捉／分析ソフトウェア、手術および注文レンズ適用のためのグラフィカルユーザインターフェース（ＧＵＩ）など（図示せず））を備える。診断情報２１５の、履歴情報と組み合わせての分析は、最良の推定結果指示２１７の形態で提供され、これは、２１９において、手順計画ソフトウェア２３０と統合される。矯正手順２３２の非排他的すなわち非限定的列挙としては、近視、近視的乱視、遠視、遠視的乱視、やり直し（例えば、以前の中心を外れた剥離）、混合乱視、ＰＲＫ、ＬＡＳＥＫなどが挙げられる。次いで、この情報は、２３９において、物理的除去プロフィールソフトウェア２４０に統合され、これは、因子２４２（例えば、光学ゾーンの大きさ、移行ゾーンの大きさ、注文コンタクトレンズの設計など）を考慮し得る。この情報は、２４９において、他の臨床的改変および生動力学的改変２５０とさらに統合され、これは、局所的にかまたは例えば、２５２に示されるようにインターネット上でアクセスされ得る。この情報は、なおさらに、２５９において、個人化された手術ノモグラム２６０によって改変される。次いで、この分析された情報の全ては、２６９において、理論的手術計画２７０を作成するために使用され、この計画は、２７９において、治療用レーザー２９０を駆動するための、レーザードライバソフトウェア２８０に送信される。このようなシステムは、例えば、Ｚｙｌｉｎｋ（登録商標）バージョン２．４０アルゴリズムパッケージを組み込むＢａｕｓｃｈ ＆ Ｌｏｍｂ Ｉｎｃｏｒｐｏｒａｔｅｄ Ｚｙｏｐｔｉｘ（登録商標）システムにおいて実施される。示されるように、最適化された理論的手術計画２７０および実際の履歴結果データ２９２は、データ構造２２０を連続的に更新して、矯正手順のための最良の推定結果指示を提供するために使用される。

眼の治療的矯正（例えば、光剥離による角膜再成形）についての推定結果を提供するためのシステム３００を提示する、本発明の別の実施形態は、図３のブロック図によって示される。診断ステーション３０２は、患者の眼３２０の眼の状態についての、新たな測定値を得るために提供される。診断ステーション３０２は、好ましくは、１つ以上の診断デバイス（例えば、波面センサ、トポグラフィー機器、光学干渉トポグラフィー（ＯＣＴ）システム、超音波デバイス、走査型レーザー眼内計（ＳＬＯ）、および／または当業者によって理解される、単独でかもしくは組み合わせて使用される他のもの）から構成される。診断ステーションは、その特定の診断能力によって獲得される、新たな情報メトリック３０５をエクスポートし得る。データ収集および伝達ステーション３０８は、３０４において新たな診断入力３０５を受信するための診断ステーション３０２に、適切に接続される。データ収集および伝達ステーション３０８はまた、矢印３０７によって示されるように、診断ステーション３０２によって提供されるものとは異なる新たな推定の、治療結果に影響を与える情報３０６を、必要に応じて受信するように適合される。この情報は、患者プロフィールデータ、医師のデータ、環境データなどを含み得、そして例えば、キーボードもしくはＣＤを介して手動でか、または所望の情報を記録する適切なセンサによって自動的に、ステーション３０８に入力され得る。データ収集および伝達ステーション３０８は、計算ステーション３１０にさらに接続され、これは、図１に関して上に記載された計算ステーション１１０と、形状および機能が類似する。治療ステーション３１８は、好ましくは、飛点、エキシマレーザーシステムおよび眼球追跡器（ｅｙｅｔｒａｃｋｅｒ）から構成され、そしてまた、データ収集および伝達ステーション３０８と通信して接続されて出力３１４を受信するか、あるいは、計算ステーション３１０に接続されて出力３２２を受信する。ステーション３０８とステーション３１０とのいずれが、最終出力３１６の源であるかにかかわらず、その出力は、最良の推定指示であり、好ましくは、患者の視力欠陥の矯正を容易にするための、治療レーザーシステムを駆動するための注文光剥離アルゴリズムの形態である。以前のように、種々のステーションは、情報を収集し、そして本発明によって企図される手順を実施するために適切なように、局所的に位置し得るか、または遠隔に位置し得る。理解されるように、最良の推定指示（これは、本明細書中に開示される本発明の最終結果である）は、注文コンタクトレンズ、ＩＯＬ、インレー、またはオンレー作製物をはめ込むために使用され得る。

代替の実施形態において、本発明は、上記のような治療的な眼の矯正または眼の光学についての推定結果を提供するために、最終ユーザに送達可能な手段で実施される、実行可能な指示に関する。この指示は、外科的パラメータ（例えば、ＬＡＳＩＫ角膜切除深さ、または光剥離手術のための光学ゾーンの大きさの推奨）として送達され得、そして医師の実施によって、または注文コンタクトレンズもしくはＩＯＬの処方として、実施され得る。関連する局面において、指示は、コンピュータまたはデバイス読取り可能な媒体もしくは手段（例えば、ディスク、ＣＤ、土地ベースまたは衛星ベースのデータストリームなどであるが、これらに限定されない）を介して送達され得、そして例えば、治療用レーザーシステムについての剥離ショットのプロフィールまたは剥離アルゴリズムとして、命令の際に実行される。

図１０を参照して記載される別の実施形態において、本発明は、眼の診断および／または処置システム１０００に関し、このシステムは、診断１００３および／または処置１００５構成要素を備え、この構成要素としては、ディスプレイ１００２を有するグラフィカルユーザインターフェース１００１、および選択デバイス１００４を備え、この選択デバイスは、分析について収集された情報の選択を、最適化された履歴情報のデータ構造を用いて容易にし、視力矯正手順をもたらすための結果推定指示を生じる。本発明によるシステム１０００において、メニュー１００７を提供し、そしてディスプレイ１００２から選択する方法は、以下の工程を包含する：ａ）メニュー１０７からメニューエントリーのセットを検索する工程であって、メニューエントリーの各々は、推定の眼の治療結果に影響を与える特徴を表す、工程；ｂ）選択されたメニューエントリーを指している選択デバイスを示すメニューエントリー選択信号を、メニューエントリーのセットから受信する工程；およびｃ）この信号に応答して、選択されたメニューエントリーの分析を、最適化された実際の情報および理論的履歴情報のデータ構造と組み合わせる工程であって、ここで、この分析は、眼の治療的矯正またはレンズ設計についての結果に関する、最良の推定指示を作製する、工程。

図４は、それぞれ図１、２、３および１０に示されるシステム１００、２００、３００、１０００によって一般に実施されるプロセス４００を、フローチャートの様式で記載する。ブロック４１０において、複数の推定および既知の治療結果に影響を与える新たな情報が、種々の源４０１、４０２、４０３から収集される。この新たな情報は、例えば、患者の眼の欠陥情報、ならびに患者、医師、診断機器および治療機器、ならびに局所環境に関する種々の他の情報を含む。ブロック４２０において、（統計的にかまたは他の様式で）最適化された履歴的な治療結果の情報が、理論的な手術計画情報４０５とともに格納される。患者の視力の欠損の矯正に関与する新たな情報は、履歴的な最適化された治療結果除法と組み合わせて分析される。ブロック４３０において、最良の推定指示４１６が作製され、そして治療デバイス／オペレータ４０３に送達される。好ましくは、最良の推定指示は、最適化された、注文光剥離アルゴリズムである（が、必ずしもこのように限定されない）。これは、レーザーシステムを駆動し、そして所望の患者の視力矯正を提供するために実行される。この指示は、統計的分析、多変数行列計算、ニューラルネットワーク処理、および／または当業者に公知の他の方法によって最適化され得る。

方法の実施形態の局面において、最良の推定指示は、４４０に示されるように、料金のベースまたは取引のベースで、第三者によって、医師に提供される。代表的に、全世界の個々の外科医は、自分自身の実施についての履歴結果に基づく所有物が制限されている。これはおそらく、非常に高体積の実施については十分であり得るが、外科医が、最適化された履歴結果情報のより広大なデータベースに、視力矯正処置を提供するための資源としてアクセスすることが、有利である。このようなデータベースは、例えば、第三者によって所有され得、この第三者は、料金または他の報酬によって、医師（または他人）に対してこのデータベース情報を利用可能にし得る。履歴データベースエントリーは、データベースの所有者によって、他の第三者から、料金または他の報酬について得られ得る。このことは、履歴結果のデータベースを拡張し、そして更新するために有利である。第三者のデータベース所有者は、医師に、最適化された結果推定指示（例えば、光剥離レーザーシステムを駆動するための剥離アルゴリズム）を、利益の基礎で、医師によって第三者の所有者に提供される、患者の眼の欠陥および他の関連する結果に影響を与える情報に基づくような指示に対する医師の要求に応答して提供し得る。医師によって供給されるデータは、手動でおよび／または自動的に獲得され得、そしてその情報を他の大きい結果データベース（好ましくは、何千もの症例）と組み合わせて分析する第三者に送達され得る。次いで、第三者の所有者は、最適化された結果推定指示を医師に伝達し、この医師は、最適化された視力の結果を、患者に提供するべきである。医師の設備に依存して、医師は、第三者によって提供された最適化された指示を使用し、推定の処置をシミュレートし得、その結果、患者は、手術の前に、その患者の術後の視力がどのようなものであるかを知るか、または他の様式で、眼の手術の実施を含む。このシミュレーションは、例えば、図１０に示されるように、ＧＵＩ １００１またはプリンタ１１１１によって、あるいは変形可能なミラーもしくは当該分野において公知の他の位相補償手段を備えるフォロプターデバイス１１１３によって提供される、種々の文書、図形、または他の視覚的形態で提示され得る。

種々の有利な実施形態が、本発明を説明するために選択されたが、変化および改変が、添付の特許請求の範囲に規定されるような本発明の範囲から逸脱することなく、本発明によってなされ得ることが、当業者によって理解される。

図１は、本発明の好ましい実施形態に従うシステムのブロック図である。 図２は、本発明の別の好ましい実施形態に従うシステムのブロック図である。 図３は、本発明に従う例示的なＬＡＳＩＫシステムのブロック図である。 図４は、本発明の１実施形態に従う方法を例示する、ブロック図／フローチャートである。 図５は、９２の眼の臨床研究群についての手術前の高次（３次、４次および５次のＺｅｍｉｋｅ次数）収差の分布を示す図表である。 図６は、経時的なＬＡＳＩＫ誘導性の高次収差のＲＭＳ強度を示すグラフである。 図７は、球面収差を有さない、経時的なＬＡＳＩＫ誘導性の高次収差のＲＭＳ強度を示すグラフである。 図８は、予測された値 対 本発明の１実施形態に従うＬＡＳＩＫ後球面収差の観察された値を示す、線形回帰分析に基づくグラフである。 図９は、予測された値 対 本発明の１実施形態に従うＬＡＳＩＫ後球面収差の観察された値を示す、線形回帰分析に基づくグラフである。 図１０は、本発明のハードウェア関連の実施形態を例示する図である。 図１１は、データベース化トレーニングを含む単純なニューラル計算モデルの模式図である。 図１２は、結果分析のためのｗｅｂベースのモデルおよび剥離パターン決定の実行を示す図である。 図１３は、本発明の１実施形態に従うビジネスモデルのためのアーキテクチャのブロック図である。 図１４は、角膜の被さった原線維層の模式的例示である。 図１５は、本発明の説明において使用された定義用語の模式的例示である。 図１６は、眼に及ぼされる圧力のグラフ的図式である。 図１７は、本発明の１実施形態に従う、眼の有限要素モデルのコンピュータシミュレーションである。 図１８は、本発明の１実施形態に従う、有限要素メッシュのコンピュータシミュレーションである。 図１９は、本発明の１実施形態に従う、有限要素モデルの層状化固体要素のコンピュータシミュレーションである。 図２０は、本発明の１実施形態に従う、有限要素モデルの層状化要素の模式的２次元例示である。 図２１は、脱連結セグメントを示す、図１９と類似の層状化固体要素のコンピュータシミュレーションである。 図２２は、本発明の方法実施形態に従う流れ図である。 図２３は、本発明の１実施形態に従う、圧平された角膜の、切り取り図コンピュータシミュレーションである。 図２４は、図２３の圧平領域の拡大図である。

Claims (40)

1. 提案された治療的眼科矯正についての予測的結果を提供するシステムであって、該システムは、
   ａ）統計学的分析、行列分析、ニューラルネットワーク形成、または有限要素分析によって、患者、実施者、診断測定、治療条件および環境条件の少なくとも１つに関する、複数の予測的な治療結果に影響する履歴情報の最適化分析から誘導された、最適化された治療結果の履歴情報を含むデータ構造を有する計算ステーションを備え、ここで、
   ｂ）該計算ステーションは、患者についての少なくとも眼科欠損情報を含む、複数の予測的な治療結果に影響する新たな情報メトリックを受信するように適合されており、ここで、
   ｃ）該計算ステーションは、統計学的分析、行列分析、ニューラルネットワーク形成、または有限要素分析によって、該治療結果の履歴情報と合わせて、該新たな情報メトリックの分析に基づいて、結果予測的な最良の指示を適切な形態で提供するようにさらに適合されている、システム。
2. 請求項１に記載のシステムであって、該システムは：
   前記予測的な治療結果に影響する新たな情報メトリックを収集し、そして複数の新たな情報を前記計算ステーションに伝達するための、収集および伝達ステーションをさらに備える、システム。
3. 請求項１または２に記載のシステムであって、前記計算ステーションは、以下：
   ａ）前記新たな情報メトリックを受信するための手段、
   ｂ）前記複数の最適化された治療結果履歴情報を保存するための手段、
   を備える、システム。
4. 請求項１、２または３に記載のシステムであって、前記計算ステーションは、
   前記最適化された履歴情報と合わせて、前記新たな情報の分析から誘導された予測的な最良の指示を含む出力を提供して、改善された治療的眼科矯正を促進するための手段、
   を備える、システム。
5. 請求項４に記載のシステムであって、前記予測的な最良の指示が、前記治療的眼科矯正を提供するために実施者によって使用されるのに適切な、結果予測的な眼科情報を含む、システム。
6. 請求項１〜５のいずれか一項に記載のシステムであって、前記計算ステーションが、前記予測された最良の指示を生成するためにニューラルネットワークを使用するデータ構造を含む、システム。
7. 請求項１〜６のいずれか一項に記載のシステムであって、前記計算ステーションが、前記収集および伝達ステーションの物理的に近位に存在する、システム。
8. 請求項１〜７のいずれか一項に記載のシステムであって、前記計算ステーションが、前記収集および伝達ステーションから離れて配置される、システム。
9. 請求項１に記載のシステムであって、患者から、新たな眼科情報を獲得し得る診断ステーションであって、該診断ステーションは、該新たな情報メトリックを輸送する能力を有する、診断ステーションをさらに備える、システム。
10. 請求項９に記載のシステムであって、前記診断ステーションに協動的に係合されたデータ収集および移動ステーションであって、該新たな情報メトリックを受信し、そしてさらに輸送する能力を有する、データ収集および移動ステーションを備える、システム。
11. 請求項１０に記載のシステムであって、前記計算ステーションは、前記データ収集および移動ステーションに連絡して係合され、該計算ステーションは、最適化された履歴治療結果情報を含むデータ構造を含み、そして該情報を受信および移動させ、そして該最適化された履歴治療結果情報と合わせて、各それぞれの新たな情報メトリックを分析し、そしてさらに、予測的な最良の指示を生成する能力を有する、システム。
12. 請求項１１に記載のシステムであって、前記計算ステーションと協動的に係合した治療ステーションであって、前記予測的な最良の指示を実行する能力を有する、治療ステーションを備える、システム。
13. 請求項１〜１２のいずれか一項に記載のシステムであって、前記データ構造が、ニューラルネットワークを含む、システム。
14. 請求項１〜１３のいずれか一項に記載のシステムであって、前記結果予測的な最良の指示が、患者の眼に対するレーザー剥離ショット配置パターンを記述するアルゴリズムである、システム。
15. 請求項１〜１４のいずれか一項に記載のシステムであって、前記結果予測的な最良の指示が、所定の瞳孔サイズについての手術後球面収差値（Ｚ_{４００Ｐｏｓｔ}）である、システム。
16. 請求項１〜１５のいずれか一項に記載のシステムであって、前記手術後球面収差値（Ｚ_{４００Ｐｏｓｔ}）が、手術前球面収差値（Ｚ_{４００Ｐｒｅ}）、手術前焦点ぼけ値（Ｚ_{２００Ｐｒｅ}）および定数因子（±Ｃ）に排他的に依存する、システム。
17. 請求項１６に記載のシステムであって、ここで、Ｚ_{４００Ｐｏｓｔ}＝Ａ×Ｚ_{４００Ｐｒｅ}＋Ｂ×Ｚ_{２００Ｐｒｅ}＋Ｃであり、ここで、Ａ、Ｂは、前記所定の瞳孔サイズについての（±）定数である、システム。
18. 請求項１〜１７のいずれか一項に記載のシステムであって、前記最適化分析が、統計的分析である、システム。
19. 請求項１８に記載のシステムであって、前記最適化分析が、新たな診断情報を示すベクトルＺ、複数のＺｅｒｎｉｋｅタームまたはその等価物の相互依存関係を示す臨床行列Ｍ’、履歴結果情報を示す別の行列Ｍ”、および前記予測的な最良の指示を示す結果行列Ｚ’を含む、行列分析である、システム。
20. 請求項１９に記載のシステムであって、前記行列Ｍ”に対して補充された更新情報によって提供されるフィードバックループをさらに含む、システム。
21. 請求項１９に記載のシステムであって、前記Ｍ”の成分が、複数の供給源由来の情報を示す、システム。
22. 請求項１９に記載のシステムであって、前記Ｚの成分が、波面センサデバイスから出力されたＺｅｒｎｉｋｅベクトルまたはその等価物である、システム。
23. 請求項１〜２２のいずれか一項に記載のシステムであって、前記最適化分析が、有限要素モデル（ＦＥＭ）を利用する有限要素分析（ＦＥＡ）であり、さらに、該ＦＥＭが、３次元の異方性非線形粘弾性層状要素である、システム。
24. コンピュータ装置に、提案された治療的眼科矯正についての予測的結果を提供させるためのプログラムであって、該プログラムは、該コンピュータ装置に以下：
    ａ）統計学的分析、行列分析、ニューラルネットワーク形成、または有限要素分析によって、患者、実施者、診断測定、治療条件および環境条件の少なくとも１つに関する、複数の予測的な治療結果に影響する履歴情報の最適化分析から誘導された、最適化された治療結果の履歴情報を含むデータ構造を維持する工程；
    ｂ）患者についての少なくとも眼科欠損情報を含む、複数の予測的な治療結果に影響する新たな情報メトリックを得る工程；ならびに
    ｃ）統計学的分析、行列分析、ニューラルネットワーク形成、または有限要素分析によって、該治療結果の履歴情報と合わせて、該新たな情報の分析に基づいて、結果予測的な最良の指示を適切な形態で提供する工程
    を包含する、方法
    を実行させる、プログラム。
25. 請求項２４に記載のプログラムであって、前記予測的な最良の指示は、トランザクション基礎に対して提供される、プログラム。
26. 請求項２４または２５に記載のプログラムであって、前記方法は、患者についての少なくとも眼科欠損情報を含む、治療結果に影響を与える新たな情報メトリックを収集する工程をさらに包含する、プログラム。
27. 請求項２６に記載のプログラムであって、前記方法は、決定された眼科欠損についての、複数の最適化された履歴治療結果情報と合わせて、前記新たな情報を分析する工程をさらに包含する、プログラム。
28. 請求項２７に記載のプログラムであって、前記方法は、計算デバイスによって、前記眼科治療的矯正の最適化された結果を促進するための、予測的な最良の指示を生成する工程をさらに包含する、プログラム。
29. 請求項２８に記載のプログラムであって、前記方法は、前記眼科矯正を提供するための治療システムを駆動するために、前記生成された予測的な最良の指示を利用する工程をさらに包含する、プログラム。
30. 請求項２８に記載のプログラムであって、前記収集する工程が、前記新たな情報メトリックを自動的に収集する工程を包含する、プログラム。
31. 請求項２８に記載のプログラムであって、前記生成する工程が、統計的分析を含む、プログラム。
32. 請求項２８に記載のプログラムであって、前記生成する工程が、前記予測的な最良の指示を示す結果行列Ｚ’を、新たな診断情報を示すベクトルＺ、複数のＺｅｒｎｉｋｅタームまたはその等価物の相互依存関係を示す臨床行列Ｍ’、および、履歴結果情報を示す別の行列Ｍ”から計算する工程を包含する、プログラム。
33. 請求項２４〜３２のいずれか一項に記載のプログラムであって、前記新たな情報メトリックを得る工程が、波面センサデバイスから波面剥離データを収集する工程を包含する、プログラム。
34. 請求項２４〜３３のいずれか一項に記載のプログラムであって、前記最適化された履歴眼科結果情報のデータベースを維持する工程が、該データベースを、利用可能な眼科矯正結果情報で更新する工程、および該履歴結果情報を最適化する工程を包含する、プログラム。
35. 請求項２４〜３４のいずれか一項に記載のプログラムであって、前記履歴結果情報を最適化する工程が、該履歴結果情報の統計的分析を包含する、プログラム。
36. 請求項３５に記載のプログラムであって、前記履歴結果情報を最適化する工程が、ニューラルネットワークを係合して、該履歴結果情報および前記利用可能な履歴結果情報を分析する工程を包含する、プログラム。
37. 請求項２４〜３６のいずれか一項に記載のプログラムであって、前記最適化された履歴眼科結果情報のデータベースを維持する工程が、料金と引き換えに第三者から新たな履歴結果情報を獲得する工程を包含する、プログラム。
38. 請求項２４〜３７のいずれか一項に記載のプログラムであって、前記トランザクション基礎に対して予測的な最良の指示を提供する工程が、料金または他の報酬を受領する工程を包含する、プログラム。
39. 請求項２４〜３８のいずれか一項に記載のプログラムであって、前記生成する工程が、有限要素モデル（ＦＥＭ）を利用する有限要素分析（ＦＥＡ）を実行する工程を包含し、該ＦＥＭが、３次元の異方性非線形粘弾性層状要素である、プログラム。
40. コンピュータ装置に、提案された治療的眼科矯正についての予測的結果を提供させるためのプログラムを保存している、コンピュータ読み取り可能またはデバイス読み取り可能な媒体であって、
    該プログラムは、該コンピュータ装置に以下：
    ａ）統計学的分析、行列分析、ニューラルネットワーク形成、または有限要素分析によって、患者、実施者、診断測定、治療条件および環境条件の少なくとも１つに関する、複数の予測的な治療結果に影響する履歴情報の最適化分析から誘導された、最適化された治療結果の履歴情報を含むデータ構造を維持する工程；
    ｂ）患者についての少なくとも眼科欠損情報を含む、複数の予測的な治療結果に影響する新たな情報メトリックを得る工程；ならびに
    ｃ）統計学的分析、行列分析、ニューラルネットワーク形成、または有限要素分析によって、該治療結果の履歴情報と合わせて、該新たな情報の分析に基づいて、結果予測的な最良の指示を適切な形態で提供する工程
    を包含する、方法
    を実行させる、媒体。

Images