배경: 백내장 수술 동안 인공수정체(IOL) 도수 계산을 위한 개선된 기계학습 모델을 평가하고자 하였다. 방법: Dankook University Hospital에서 백내장 수술을 받은 환자 346명의 의무기록을 후향적으로 검토하고, IOL 도수를 계산하기 위한 기계 회귀 모델을 개발하였다. 무작위 포리스트(random forest), 그래디언트 부스팅 기계(gradient boosting machine), 지지벡터머신(support vector machine, SVM), eXtreme Gradient Boosting를 포함한 널리 알려진 기계학습 알고리즘을 시험하여 최적의 예측 모델을 개발하였다. 모델의 정확도는 예측 굴절력과 실제 수술 후 굴절력 사이의 차이를 ±0.25, ±0.5, ±0.75, ±1 D 기준으로 비교하여 판단하였으며, 예측 오차는 통계적 지표로도 평가하였다. 제안한 모델은 SRK/T, Barrett Universal II, Hill-RBF, Kane과 같은 기존 공식들과 비교하였다. 결과: 제안된 SVM 모델은 각각 ±0.25, ±0.5, ±0.75, ±1 D 기준의 굴절력에서 정확도 43.3%, 77.2%, 87.0%, 95.4%를 나타내었다. 반면 Barrett Universal II 공식은 굴절력에서 정확도 34.3%, 60.8%, 83.2%, 93.0%를 나타내었다. 결론: 제안된 기계학습 예측 모델은 현재의 공식들보다 더 우수한 성능을 보였다. 따라서 본 개선된 기계학습 모델은 IOL 도수 계산에 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.