KR101519552B1 - 굴절 레이저 수술을 위한 노모그램 계산 및 적용 시스템, 및 방법 - Google Patents

Abstract

레이저 박리 각막 치료에 대한 처방을 최적화하는 방법은 현재의 환자에 대해 측정된 교정 처방을 수신하는 단계를 포함한다. 다음으로 이전의 치료된 여러 환자에 대한 치료 결과의 데이터베이스가 엑세스된다. 상기 데이터는 의도한 교정 및 실제 교정을 포함한다. 의도한 교정과 실제 교정 사이에서의 차는 수술로부터 발생하는 과교정 또는 부족교정을 나타낸다. 교정 수준의 함수인 데이터 포인트의 분포가 상기 차분 데이터로부터 계산된다. 실제 교정을 의도한 교정에 조화시키기 위한 교정 처방에 적용가능한 통계학에 기초한 오프셋이 이후 데이터 포인트의 분포로부터 계산된다. 소정 신뢰 수준을 이용한 데이터의 신뢰 구간이 데이터 포인트의 분포로부터 계산된다. 통계학에 기초한 오프셋은 이후 최적화된 처방을 제공하도록 신뢰 구간에 기초하여 조절된다. 조절된 오프셋은 이후 굴절 과정을 수행하는데 사용하기 위해 출력된다.

Description

굴절 레이저 수술을 위한 노모그램 계산 및 적용 시스템, 및 방법{NOMOGRAM COMPUTATION AND APPLICATION SYSTEM AND METHOD FOR REFRACTIVE LASER SURGERY}

본 발명은 눈에 대해 굴절 레이저 수술을 수행하기 위한 시스템 및 방법, 및 더욱 구체적으로는 선행하는 과정들로부터 얻어진 데이터를 토대로 감지된 데이터를 적절하게 조절하는 그러한 시스템 및 방법에 관한 것이다.

종래의 굴절 레이저 수술에서는, 임상의가 전형적으로 치료 시스템 내로 입력된 처방(prescription)을 수정한다. 상기 수정은 그러한 특정 치료 시스템을 사용하여 얻어진 결과를 갖는 선행하는 경험, 및 또한 예를 들어 인구학적 데이터로부터 유래한 특정의 환자 집단에서 얻어진 경험을 토대로 이루어진다. 예를 들어, 수술의는, 이전 결과의 분석으로부터 특정 카테고리의 환자에 대해 이 시스템을 사용하여 50% 과교정이 지시되는 경우, 3 디옵터의 근시로 진단된 환자에 대해 2 디옵터의 근시 치료 처방을 입력할지도 모른다. 이전 경험에 기초한 입력된 치료 파라미터의 그러한 경험적인 변경을 노모그램 조절(nomogram adjustment)이라 칭한다. 노모그램은 안과 분야에서는 필수적인 것으로 여겨지는데, 그 이유는 상이한 임상의가 상이한 수술 기술을 사용하고, 상이한 환경 조건 하에서 수술하며, 별개의 환자 집단 등을 갖기 때문이다.

노모그램을 얻는 하나의 방법은 의도한 교정 파라미터를 레이저 시스템 내로 입력하고, 상기 과정의 전과 과정의 잠시 후에 환자의 굴절 상태(또는 오차)를 측정한 다음, 의도한 굴절에서의 변화의 함수로서 굴절에서 얻어진 변화를 측정하는 것이다. 이러한 의도한 교정과 얻어진 교정 사이에서의 관계를 계산함으로써, 수술의는 레이저 시스템 내로 입력된 값으로의 그러한 조절을 규정하는 모노그램을 생성시킬 수 있고, 이에 의해 최선의 성취된 결과가 얻어질 것이다. 전형적으로, 이러한 노모그램은 원하는 교정의 함수, 및 이들로 제한되는 것은 아니나 나이 및 다양한 진단상의 측정치를 포함하는 다수개의 환자 파라미터의 함수로서 레이저 시스템 내로 입력되는 값을 규정하는 식들로 구성된다.

이러한 교정(노모그램)을 계산하고 적용하는 표준 방법은 최소-자승 적합법(at least-square fit), 또는 얻어진 교정 데이터 대 의도한 교정 데이터에 대한 다른 트렌드의 계산법을 수행하는 것이다. 그러나, 이 방법은 데이터에서의 노이즈(noise)를 고려하지 않아, 과도하게 공격적인 모노그램의 계산과 함께 이에 따라 적합하지 못한 결과를 야기할 수 있다.

따라서, 노모그램 및 그에 따라 굴절 레이저 수술과 함께 사용하기 위한 결과의 계산 및 적용을 개선시키는 시스템 및 방법을 제공하는 것이 유익할 것이다.

본 발명의 일 양태는 레이저 박리 각막 치료에 대한 처방을 최적화하는 방법에 관한 것이다. 상기 방법은 현재의 환자에 대해 측정된 교정 처방을 수신하는 단계를 포함한다. 전형적으로 상기 처방은 이것으로 한정하기를 의도하지 않지만 웨이브프론트 측정을 이용하여 얻어진 것일 것이다. 다음으로 이전의 치료된 여러 환자에 대한 치료 결과의 데이터베이스가 엑세스된다. 상기 데이터베이스는 각각의 이전에 치료된 환자에 대해 수술전 웨이브프론트 측정된 교정 처방, 즉 의도한 교정, 및 수술 후 시각 프로파일, 즉 실제 교정을 포함한다. 의도한 교정과 실제 교정 사이에서의 차는 수술로부터 발생하는 과교정 또는 부족교정을 나타낸다.

교정 수준의 함수인 데이터 포인트의 분포는 상기 차분 데이터(difference data)로부터 계산된다. 실제 교정을 의도한 교정에 조화시키기 위한 교정 처방에 적용가능한 통계학에 기초한 오프셋이 이후 상기 데이터 포인트의 분포로부터 계산된다. 소정의 신뢰 수준을 이용한 데이터의 신뢰 구간이 또한 데이터 포인트의 분석으로부터 계산된다. 통계학에 기초한 오프셋은 이후 최적화된 처방을 제공하기 위해 신뢰 구간에 기초하여 조절된다. 조절된 통계학에 기초한 오프셋은 이후 굴절 과정을 수행하는데 사용하기 위해 출력된다.

따라서, 본 발명의 방법에 대한 이러한 구체예는 보상 인자를 조절하기 위해 데이터 분포를 고려하고, 이에 의해 데이터에서의 노이즈 및 변동이 처리된 파라미터에 대해 과도하게 공격적인 조절을 발생시킬 가능성을 감소시킨다. 따라서, 상기 방법은 더욱 안정적인 노모그램으로 개선된 결과를 제공하는 것으로 입증되었다.

본 발명의 다른 구체예는, 프로세서; 이전에 치료된 여러 환자에 대한 치료 결과의 데이터베이스로서, 상기 치료된 각각의 환자로부터의 결과는 측정된 교정 처방에 기초한 의도한 교정 및 수술후 실제 교정을 포함하고, 상기 데이터베이스는 프로세서와 신호 소통되는 데이터베이스; 및 프로세서에 의해 판독가능한 매체 상에 내재하는(resident) 소프트웨어 패키지로서, 상기 소프트웨어 패키지는 현재의 환자에 대한 측정 교정 처방을 수신하고, 치료 결과에 대한 데이터베이스를 엑세스하고, 엑세스된 치료 결과로부터 교정 수준의 함수인 데이터 포인트의 분포를 계산하고, 데이터 포인트의 분포로부터 실제 교정을 의도한 교정에 조화시키기 위한 교정 처방에 적용가능한 통계학에 기초한 오프셋을 계산하고, 데이터 포인트 분포로부터 소정의 신뢰 수준을 이용하여 데이터의 신뢰 구간을 계산하고, 최적화된 처방을 제공하기 위해 신뢰 구간에 기초하여 통계학에 기초한 오프셋을 조절하고, 굴절 과정을 수행하는데 사용하기 위해 조절된 오프셋을 출력하도록 구성된 코트 세그먼트를 포함하는 소프트웨어 패키지를 포함하는, 레이저 박리 각막 치료에 대한 처방을 최적화하는 시스템을 포함한다. 통계학에 기초한 오프셋을 계산하기 위한 상기 코드 세그먼트는 최소 자승 적합법을 수행하기 위한 코드 세그먼트 또는 최소 자승 에러 적합법을 수행하기 위한 코드 세그먼트를 포함할 수 있다.

추가 양태는 상기 치료 결과에 대한 데이터베이스를 형성시키는 단계를 포함하여, 레이저 박리 수술에 대한 처방을 최적화하는 시스템을 형성시키는 방법을 포함한다. 프로세서 상에 내재하는 서치 엔진(search engine)은 치료 결과를 추출하도록 구성된다. 상기 약술된 계산 단계를 수행하기 위해 소프트웨어가 또한 제공된다.

수술의 체계(organization) 및 방법 둘 모두에 관한 본 발명의 특징, 및 이의 추가 과제 및 이점은, 첨부되는 도면과 함께 사용된 하기 설명으로부터 더욱 잘 이해될 것이다. 도면은 예시 및 설명을 위한 것이며 본 발명을 제한하는 것으로 의도되지 않음이 명백하게 이해되어야 한다. 본 발명의 구체예에 의해 달성된 이러한 과제 및 다른 과제, 및 상기 구체예에 의해 제공된 이점들은 지금부터 후술되는 설명을 첨부된 도면과 함께 숙지하는 경우 더욱 충분하게 명확해질 것이다.

도 1은 본 발명의 시스템에 대한 구체예의 개략도이다.

도 2는 현재 환자에 대한 치료 처방을 최적화하기 위한 본 발명의 방법에 대한 구체예의 흐름도이다.

도 3은 의도한 교정과 실제 교정의 샘플 데이터 분포 그래프이다.

도 4는 도 3에서와 동일한 데이터 분포 및 또한 최소 자승 에러 적합법으로부터 계산된 트렌드 라인(실선)을 포함하는 그래프이며, 트렌드 라인을 둘러싸는 95% 신뢰 구간(파선)을 갖는다.

도 5는 트렌드 라인(실선) 및 95% 신뢰 구간 라인(파선)을 포함하는, 도 3의 데이터 셋과 상이한 데이터 셋에 대한 샘플 데이터 분포 그래프이다.

본 발명의 바람직한 구체예에 대한 설명을 도 1 내지 5를 참고로 지금부터 후술할 것이다.

본 발명의 시스템(10)(도 1) 및 방법(100)(도 2)은 레이저 박리 각막 치료에 대한 처방의 최적화에 관한 것이다. 하나의 바람직한 구체예에서, 측정된 교정 처방은 현재 환자에 대한 웨이브프론트 측정 장치(11)를 이용하여 측정된 것일 것이 다(블록 101). 이러한 원(raw) 교정 처방은 그 내에 내주하는 소프트웨어 패키지(13)(블록 102)와 함께 메모리(20)를 갖는 프로세서(12) 내로 수신된다. 메모리(20)는 프로세서(12)에 의해 판독되도록 작동가능하며 소프트웨어 패키지(13)를 저장하도록 작동가능한, 당업자에게 공지된 것일 것인 임의의 매체일 수 있다. 예를 들어, 메모리(12)는 RAM, ROM, 자기 하드 드라이브 또는 광 저장 시스템일 수 있다.

이전에 치료된 여러 환자에 대한 치료 결과의 데이터베이스(14)가 소프트웨어 패키지(13)에 의해 엑세스된다(블록 103). 각각의 치료된 환자로부터의 결과는 수술전 웨이브프론트 측정된 교정 처방(의도한 교정) 및 수술후 시각 프로파일(실제 교정)과 관련되어 있었다.

데이터베이스(14) 내의 치료 결과로부터, 소프트웨어 패키지(13) 및 프로세서(12)는 교정 수준의 함수인 데이터 포인트의 분포를 계산한다(블록 104). 상기 분포로부터 예를 들어, 최소 자승 에러 적합법을 이용하여 의도한 교정과 실제 교정 사이에서 트렌드 라인이 계산되는데(블록 105), 이는 실제 교정을 의도한 교정에 조화시키기 위해 교정 처방에 적용가능한 통계학에 기초한 오프셋을 나타낸다.

상기 분포로부터 소정의 신뢰 수준을 이용하여 데이터의 신뢰 구간이 또한 계산된다(블록 106). 전형적인 신뢰 수준은 예를 들어, 90 내지 95%의 범위 내일 수 있으며, 이 범위로 제한되는 것은 아니다. 신뢰 구간이 충분히 작으면(블록 107), 계산된 오프셋은 입력된 교정 처방을 변경시키는데 사용될 수 있고(블록 108); 신뢰 구간이 소정 값을 상회하면(블록 107), 통계학에 기초한 오프셋은 최적 화된 처방(블록 109), 및 굴절 과정을 수행하는데 사용하기 위한, 예를 들어 치료 장치(15)에 대한 출력(블록110)을 제공하기 위해 신뢰 구간을 기초로 조절될 수 있다.

따라서, 현재 환자의 교정 처방은 계산된 신뢰도에 기초한 노모그램을 이용하여 최적화된 처방을 형성하도록 본 발명의 계산에 상응하게 조절되어, 통계학적으로 계산가능한 과-교정 및 부족-교정을 방지하고 데이터에서의 노이즈 및 변동을 설명한다.

이러한 특정의 구체예는 예시적인 방법을 나타내며, 대안적인 구체예가 본 발명의 사상을 벗어나지 않고 구상될 수 있음이 당업자에게 이해될 것이다.

바람직하게는, 현재 환자에 대한 각각의 치료(블록 111)를 수행한 후에, 현재 환자에 대한 치료 결과를 치료를 수행한 소정의 구간에서 측정한다(블록 112). 데이터베이스가 계속하여 풍부하게 존재하게(enrich) 하기 위해, 이후 현재 환자에 대한 치료 결과를 데이터베이스에 입력한다(블록 113).

2개의 데이터 셋을 이용한 실시예가 도 3 내지 5에 도시되어 있다. 도 3에는 x축이 의도한 교정 또는 목적하는 교정을 보여주며 y축이 상응하게 얻어진 교정(디옵터 단위)을 플롯하는 샘플 데이터 셋이 그래프화되어 있다. 상기 그래프를 이등분하는 파선(30)은, 결과가 정확한 경우에 모든 데이터 포인트가 어디에 놓일 것인지를 나타낸다.

도 4는 동일한 데이터 셋을 나타내지만, 최소 자승 에러 적합법을 이용하여 데이터를 최선으로 나타내도록 계산된 트렌드 라인(40)(실선)을 첨가한 데이터 셋 을 나타낸다. 트렌드 라인을 둘러싸는 파선은 95%의 신뢰 구간을 나타낸다.

도 5는 상응한 최선의 적합도(트렌드) 라인(실선) 및 95% 신뢰 구간(트렌드 라인을 둘러싸는 파선)을 갖는 상이한 데이터 셋을 나타낸다. 이러한 데이터에서, 완전한 것으로부터의 평균 편차의 양(파선 30)은 도 3 및 4의 데이터 셋에서의 것과 유사하지만; 상기 데이터는 현재 훨씬 "더 타이트하다(tighter)"; 즉, 데이터 포인트는 트렌드 라인에 일관되게 더욱 근접해있다. 95% 신뢰 구간이 결과적으로 훨씬 더 좁다. 여기서 트렌드 라인의 경사도는 대략 0.8이다. 트렌드 라인이 y = x * 경사도 + 오프셋에 의해 얻어지는 경우 오프셋 구간(offset term)은 대략 0.0이다. 신뢰도 계산을 무시하고 데이터에 적용되는 보상은 따라서 1/0.8 = 1.25만큼 증가할 것이다. 매우 타이트한 신뢰 구간이 주어졌기 때문에, 본 발명의 시스템은, 적합한 보상 구간이 대략 1.25의 이 증가 인자 이상임을 측정한다.

한편 도 4에는 데이터가 더욱 가변될수록 생성되는 신뢰 구간이 더욱 커짐이 나타나 있다. 따라서, 계산된 보상은 트렌드 라인(40)으로부터 직접적으로 얻어지지 않지만, 이 값의 일부이다. 예를 들어, 경사도가 0.8이면 계산된 노모그램은 1.25의 보상 구간을 포함하지 않을 것이지만 몇몇의 값은 1.0 내지 1.25이다.

요컨대, 신뢰도가 매우 높다면 본 발명의 시스템의 구체예는 모든 또는 대부분의 확인된 트렌드를 보상한다; 그렇지 않다면 보상의 양은 이 신뢰도 및 통계학적 분포의 함수로서 감소된다.

본 발명의 시스템 및 방법의 구체예는 또한 다른 인자도 설명할 수 있다. 굴절 수술에서, 모든 환자가 최적의 결과를 가져야 한다. 그러나, 상기 과정의 특 성 및 개체 중에서 치유 차(variation in healing)로 인해 이는 실제로 그렇지 못하다. 환자들은 때때로 필요한 것보다 더 많은 치료를 수용함으로써 과-교정되거나, 필요한 것보다 덜한 치료를 수용함으로써 부족 교정된다. 전형적으로 후자의 경우가 더 바람직한데, 그 이유는 추가적인 조직이 후속하는 수술에 의해 항상 제거될 수 있지만 과-교정 후의 추가 치료는 조직의 더욱 큰 제거를 요할 수 있기 때문이다.

그러므로, 노모그램으로 신뢰도에 기초하여 조절하는 것에 부가하여, 임의의 예상된 잔류 에러 트렌드가 오히려 과교정보다 부족 교정으로 기울어지도록 노모그램을 바이어스하기 위해서 추가적인 조절이 적절하게 이루어질 수 있다. 바이어스가 적용되어야 하는 정도는 데이터에서의 신뢰도에 의해 직접적으로 영향받아서, 결과적으로 높은 신뢰도에서는 부족 교정 바이어스가 덜 필요해진다.

본 발명의 구체예는 노모그램에 대한 추가적인 조절을 제공할 수 있다. 눈은 오로지 레이저 전달 계산(laser delivery calculation)에 기초하여 예상된 것에 비례하거나 간단하게 치료에 반응하지 않은 것으로 알려져 있다. 예를 들어, (높은 신뢰도로) 10%의 부족 교정이 확인되는 경우, 10%만큼의 치료 증가에 의해 반드시 최적 결과가 얻어지는 것은 아니다. 눈의 치료 특성 및 치유 반응에 기초하여, 결과에서의 약간의 변화가 관찰될 수 있다. 이러한 인자는 또한 노모그램을 그에 따라 수정함으로써 보상될 수 있다. 보존적인 방법은 노모그램 계산이 서보(servo) 반응 시스템에서와 같이 효과적으로 감소되도록 적용된 교정의 양을 감소시키는 것이다. 이로부터 시간 경과에 따라 최적의 노모그램이 얻어지지만, 초 기 노모그램을 사용하는 경우에는 약간 보존되는 경향이 있다.

상기 설명에서, 특정 용어들은 간단함, 명료함 및 이해를 위해 사용되었으나, 선행 기술의 요건을 벗어나서 이로부터 어떠한 불필요한 제한이 의도되는 것은 아니며, 이는 그러한 용어들이 본원에서의 목적들을 설명하기 위해 사용되었고 광범위하게 해석되도록 의도되기 때문이다. 또한, 본원에서 예시되고 설명된 시스템 및 방법의 구체예는 예로서 제공된 것이고, 본 발명의 범위는 본원에 개시된 정확한 상세사항에 한정되지 않는다.

지금까지 본 발명을 설명하였지만, 바람직한 구체예의 구성, 작동 및 용도, 및 이에 의해 얻어진 유리하고 새롭고 유용한 결과, 새롭고 유용한 구성, 및 당업자에게 자명한 합리적인 이의 기계적 등가물이 첨부된 청구범위에 제시되어 있다.

Claims (15)

1. 레이저 박리 각막 치료에 대한 처방을 최적화하는 방법으로서,

   현재의 환자에 대해 현재 측정된 교정 처방을 수신하는 단계;

   이전에 치료한 여러 환자에 대한 치료 결과의 데이터베이스를 엑세스하는 단계로서, 상기 치료된 각각의 환자로부터의 결과가, 측정된 교정 처방에 기초한 의도한 교정 및 이전에 치료된 환자의 수술후 실제 교정을 포함하는 엑세스 단계;

   프로세서에 의해, 데이터베이스 내의 치료 결과로부터 교정 수준의 함수로서 데이터 포인트의 분포를 계산하는 단계;

   프로세서에 의해, 데이터 포인트의 분포로부터 데이터 포인트 분포를 특징화하는 회귀 분석 (regression analysis)을 이용하여 트렌드 라인에 따르는 경사도 (slope) 및 통계학에 기초한 오프셋을 계산하는 단계;

   프로세서에 의해, 데이터 포인트의 분포로부터 소정의 신뢰 수준을 이용하여 트렌드 라인에 비례하는 데이터 포인트의 신뢰 구간을 계산하는 단계;

   프로세서에 의해, 경사도 및 데이터 포인트 분포의 오프셋으로부터 현재 측정된 교정 처방을 조절하기 위해 이용되는 보상 인자 (compensation value)를 계산하는 단계로서, 상기 보상 인자는 신뢰 구간이 작을수록 현재 측정된 교정 처방이 크도록 조절하고, 신뢰 구간이 클수록 현재 측정된 교정 처방이 작도록 조절하는 단계; 및

   굴절 과정을 수행하는데 이용하기 위해 보상 인자를 출력하는 단계를 포함하는 방법.
2. 제 1항에 있어서, 통계학에 기초한 오프셋을 계산하는 단계가 오프셋을 계산하기 위한 최소 자승 적합법(at least-squares fit)을 수행하는 것을 포함하는 방법.
3. 제 1항에 있어서, 통계학에 기초한 오프셋을 계산하는 단계가 오프셋을 계산하기 위한 최소 자승 에러 적합법을 수행하는 것을 포함하는 방법.
4. 제 1항에 있어서, 소정의 신뢰 수준이 90 내지 95%의 범위 내인 방법.
5. 레이저 박리 각막 치료에 대한 처방을 최적화하는 시스템으로서,

   프로세서;

   이전에 치료된 여러 환자에 대한 치료 결과의 데이터베이스로서, 상기 각각의 치료 결과는 측정된 교정 처방에 기초한 의도한 교정 및 이전에 치료된 환자의 수술후 실제 교정을 포함하고, 상기 데이터베이스는 프로세서와 신호 소통되는 데이터베이스;

   프로세서에 의해 판독가능한 매체 상에 내재하는(resident) 소프트웨어 패키지로서, 상기 소프트웨어 패키지는

   현재의 환자에 대해 현재 측정된 교정 처방을 수신하고,

   치료 결과에 대한 데이터베이스를 엑세스하고,

   프로세서에 의해, 엑세스된 치료 결과로부터 교정 수준의 함수로서 데이터 포인트의 분포를 계산하고,

   프로세서에 의해, 데이터 포인트의 분포로부터 데이터 포인트 분포를 특징화하는 회귀 분석을 이용하여 트렌드 라인에 따르는 경사도 및 통계학에 기초한 오프셋을 계산하고,

   프로세서에 의해, 데이터 포인트의 분포로부터 소정의 신뢰 수준을 이용하여 트렌드 라인에 비례하는 데이터 포인트의 신뢰 구간을 계산하고,

   프로세서에 의해, 경사도 및 데이터 포인트 분포의 오프셋으로부터 현재 측정된 교정 처방을 조절하기 위해 이용되는 보상 인자를 계산하는데, 상기 보상 인자는 신뢰 구간이 작을수록 현재 측정된 교정 처방이 크도록 조절하고, 신뢰 구간이 클수록 현재 측정된 교정 처방이 작도록 조절하고,

   굴절 과정을 수행하는데 이용하기 위해 보상 인자를 출력하도록 구성된 코드 세그먼트(code segment)를 포함하는 소프트웨어 패키지를 포함하는 시스템.
6. 제 5항에 있어서, 통계학에 기초한 오프셋을 계산하는 코드 세그먼트가 오프셋을 계산하기 위한 최소 자승 적합법을 수행하기 위한 코드 세그먼트를 포함하는 시스템.
7. 제 5항에 있어서, 통계학에 기초한 오프셋을 계산하는 코드 세그먼트가 오프셋을 계산하기 위한 최소 자승 에러 적합법을 수행하기 위한 코드 세그먼트를 포함하는 시스템.
8. 제 5항에 있어서, 소정의 신뢰 수준이 90 내지 95%의 범위 내인 시스템.
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 삭제

Images