طراحي سيستم تصميم‌يار باليني براي ارزيابي لنزهاي تماسي

A clinical decision support system for contact lens evaluation

زمينه و هدف: تجويز لنز مناسب به منظور ايجاد ديد بهتر و كاهش عوارض جانبي، فرآيندي چند مرحله‌اي، پيچيده، زمان‌بر و شامل ملاحظات فراوان است كه انجام آن تنها توسط يك متخصص چشم خبره امكان‌پذير است. هدف اين مطالعه، طراحي يك سيستم تصميم‌يار در زمينه‌ي تجويز لنزهاي تماسي بود. روش بررسي: در اين مطالعه‌ي بنيادي، داده‌هاي مربوط به 127 بيمار مبتلا به كراتوكونوس مراجعه‌كننده به درمانگاه لنز بيمارستان فارابي دانشگاه علوم پزشكي تهران در بازه‌ي زماني اسفند 1392 تا تيرماه 1393 مورد استفاده قرار گرفته است. پنج پارامتر در فرآيند تجويز لنز مورد بررسي قرار گرفت. پارامترهاي "موقعيت قرارگيري لنز در راستاي عمودي"، "ميزان حركت عمودي لنز حين پلك زدن" و "پهناي ريم در الگوي فلورسين" از طريق تهيه ويديو از بيمار و "ميزان تجمع فلورسين زير لنز" توسط پزشك و "ميزان راحتي لنز" از طريق پرسش از بيمار به‌دست آمد. مناسب و نامناسب بودن لنز توسط پزشك متخصص تشخيص داده و ثبت شد. از شبكه عصبي مصنوعي به منظور طراحي سيستم تصميم‌يار استفاده شد. سيستم توسط ماتريس كانفيوژن مورد ارزيابي قرار گرفت. يافته‌ها: پس از ارزيابي، سيستم ميزان صحت، حساسيت و ويژگي سيستم به‌ترتيب 91/3، 89/8 و 92/6% به‌دست آمد. شعاع‌هاي مختلفي براي سيگما در نظرگرفته شد كه در نهايت شعاع 1/1 بهترين نتيجه را در دسته‌بندي لنز به‌دست آورد. نتيجه‌گيري: اعداد به‌دست آمده از ارزيابي سيستم نشان داد استفاده از شبكه عصبي مصنوعي به‌‌عنوان يك سيستم تصميم‌يار مي‌تواند با دقت قابل قبول، ارزيابي لنز تماسي سخت را مورد بررسي قرار داده و لنزهاي مناسب و نامناسب را تفكيك نمايد.

Background: Contact lenses are transparent, thin plastic disks that cover the surface of the cornea. Appropriate lens prescription should be performed properly by an expert to provide better visual acuity and reduce side effects. The lens administration is a multistage, complex and time-consuming process involving many considerations. The purpose of this study was to develop a decision support system in the field of contact lens prescription. Methods: In this fundamental study, data were collected from 127 keratoconus patients referred to the contact lens clinic at Farabi Eye Hospital, Tehran, Iran during the period of March 2013 to July 2014. Five parameters in the contact lens prescribing process were investigated. Parameters were collected as follows. “Lens vertical position”, “vertical movement of the lens during blinking” and “width of the rim” in the fluorescein pattern were obtained by recording videos of the patients while wearing the lens. “Fluorescein dye concentration” under the lens was evaluated by the physician and “patient comfort” was obtained by asking the patient to fill a simple scoring system. Approved and disapproved lenses were judged and recorded based on the decision of an expert contact lens practitioner. The decision support system was designed using artificial neural networks with the mentioned variables as inputs. Approved and disapproved lenses are considered as system outputs. Artificial neural network was developed using MATLAB® software, version 8.3 (Mathworks Inc., Natick, MA, USA). Eighty percent of the data was used to train the support vector machine and the rest of the data (20%) to test the system's performance. Results: Accuracy, sensitivity and specificity, calculated using the confusion matrix, were 91.3%, 89.8% and 92.6% respectively. The results indicate that the designed decision support system could assist contact lens prescription with high precision. Conclusion: According to the results, we conclude that hard contact lens fitness could be evaluated properly using an artificial neural network as a decision support system. The proposed system detected approved and disapproved contact lenses with high accuracy.