Die kleine Schnittlentikulationsextraktion (SMILE) ist eine fortschrittliche Form der hornhautrefraktiven Chirurgie und bietet eine Reihe von Vorteilen gegenüber herkömmlicher Laser-in-situ-Keratomileusis (LASIK)1,2,3,4. Heute ist SMILE zur gängigen Praxis bei der Korrektur von Kurzsichtigkeit und Astigmatismusgeworden. Dennoch neigt die SMILE-Operation dazu, bei Patienten mit mittelschwerer bis hoher Myopie und Astigmatismus zu Unterkorrektur und Rückschritten bei der Korrektur zu führen 7,8. Mehrere Faktoren tragen zur Variabilität der astigmatischen Korrektur nach SMILE bei, darunter das Ausmaß und die Art des präoperativen Astigmatismus, chirurgische Zentrierung, Kappa-Winkel und Augenrotation 9,10,11. Unter diesen wurde die okuläre Rotation (positionelle Zyklotorisierung infolge von Veränderungen der Patientenhaltung) von Chow et al. als eine der wichtigsten Variablen identifiziert, die die Genauigkeit der astigmatischen Korrekturbeeinflussen 12,13. Dies liegt daran, dass das femtosekunden-Lasersystem keine integrierte Zyklotorsion-Tracking14,15 besitzt.
Um präzise quantitative Daten über das Ausmaß der Augenrotation zu erhalten, ein Ziel, das zuvor schwer zu erreichen war. Andere Forscher schlugen ein von künstlicher Intelligenz (KI) gestütztes System zur Schätzung des Drehwinkels des Augapfels vor, das eine genaue Segmentierung der Sehnerven und Makula erfordert und den Rotationswinkel anhand dieser Merkmale berechnet16,17. Der Ansatz ist jedoch operationell schwierig und für hornhautrefraktive Operationen wie SMILE nicht geeignet. Deshalb entwickelten wir eine standardisierte und objektive Methode – die doppelte Hornhaut-Skleral-Markierung. Die durch diese Methode erzeugten quantifizierbaren Daten haben einen grundlegenden Wert und stellen ein zentrales Werkzeug zur systematischen Untersuchung der Auswirkungen der Augenrotation bei der SMILE-Chirurgie dar. Auf Grundlage dieser Messung ist es entscheidend, die Forschung zum postoperativen Astigmatismus zu vertiefen, ein Modell zur Vorhersage der chirurgischen Genauigkeit auf Basis von Multi-Center- und Big Data zu erstellen und ein Modell zur Vorhersage der Augenrotationsamplitude basierend auf okulären Merkmalen und KI zu erstellen.
Zusammenfassend gleicht diese einfache, wiederholbare und leicht in die klinische Praxis integrierte Lösung durch zuverlässige Erfassung der intraoperativen Rotationsindikatoren die Mängel bestehender Forschungsmethoden aus und bietet eine solide, datenbasierte Forschungsgrundlage, um letztlich eine bessere Genauigkeit und Vorhersehbarkeit bei der Behandlung von SMILE-Operationen verursachten Astigmatismus sowie der Optimierung des klinischen Behandlungswegs zu erreichen.