Рис. 1. Серия снимков состояния после имплантации различных моделей кератопротезов: а) классическая модель кератопротеза Федорова — Зуева; б) модифицированная модель кератопротеза Федорова — Зуева; в) новая модель кератопротеза «Репер НН»
Fig. 1. Eye condition after different keratoprosthesis models implantation: а) standard Fyodorov — Zuev keratoprosthesis; б) modified Fyodorov-Zuev keratoprosthesis; в) new keratoprosthesis manufactured by «Reper NN»
Рис. 2. Толщина сосудистого бельма до кератопротезирования в исследуемых группах
Fig. 2. Corneal leucoma thickness before keratoprosthesis implantation in the study groups
Актуальность
Лечение пациентов с ожоговыми и терминальными дистрофическими бельмами роговицы остается одним из актуальных вопросов современной офтальмологии. Проведение сквозной кератопластики зачастую оказывается неэффективным в связи с васкуляризацией и помутнением трансплантата в послеоперационном периоде. В настоящий момент единственным способом хирургического лечения данной группы пациентов является кератопротезирование [1].
В Российской Федерации кератопротезирование стандартно проводится в два этапа и имеет некоторые особенности. Первый этап представляет имплантацию опорной пластины кератопротеза в бельмо либо в составе роговично-протезного комплекса. Через 6 месяцев, при условии отсутствия осложняющих состояний, вторым этапом проводят имплантацию оптического цилиндра, что обеспечивает восстановление предметного зрения у пациентов данной группы [2].
Выбор тактики проведения первого этапа кератопротезирования зависит от толщины и равномерности бельма. При выраженном истончении и неравномерной толщине формирование интрастромального кармана (ИСК) с последующей имплантацией опорной пластины затруднены и сопровождаются высокими рисками ятрогенной протрузии протеза во время операции или в ранние сроки после нее. В связи с данными обстоятельствами производят имплантацию опорного элемента кератопротеза в составе роговично-протезного комплекса. При достаточной толщине сосудистого бельма производят имплантацию опорной пластины кератопротеза в ИСК, сформированный на глубине 2/3 толщины бельма мануальным методом или с использованием фемтосекундного лазера (при сохранении высокой степени прозрачности бельма) [3, 4].
По данным разных авторов, минимальная толщина сосудистого бельма, необходимая для проведения первого этапа кератопротезирования, варьирует от 500 до 700 мкм [5]. Однако на сегодняшний день нет единого мнения, какая толщина является оптимальной и безопасной для имплантации опорной пластины кератопротеза с достижением максимальных функциональных результатов и минимизацией количества интра- и послеоперационных осложнений, что является актуальным направлением для исследования.
Цель
Провести анализ клинико-функциональных результатов первого этапа кератопротезирования у пациентов с сосудистыми бельмами роговицы и определить оптимальный способ имплантации опорной пластины в зависимости от пахиметрических характеристик бельма.
Материал и методы
Проведено хирургическое лечение 83 пациентов (83 глаз) с ожоговыми и терминальными дистрофическими бельмами роговицы. Средний возраст больных составил 53,6±16,6 года (от 19 до 86 лет), из них 64 мужчины и 19 женщин. На дооперационном этапе всем пациентам была выполнена полная клинико-функциональная диагностика, включавшая сбор анамнеза, биомикроскопию, визометрию, тонометрию, электрофизиологическое исследование (ЭФИ), В-сканирование, оптическую когерентную томографию (ОКТ) переднего отрезка глаза, ультразвуковую биомикроскопию (УБМ). Данное обследование проводили всем пациентам до операции, а также на сроках 6 и 12 месяцев после проведения хирургического лечения.
В процессе сбора анамнеза особое внимание уделялось этиологии бельма и истории предыдущих хирургических вмешательств — укрепления бельма аутотканями. При проведении ОКТ переднего отрезка учитывали толщину и равномерность бельма.
Критериями исключения были: острый воспалительный процесс, нарушения придаточного аппарата глаза (симблефарон, выворот, заворот век и др.), некомпенсированное повышен
Рис. 3. Серия снимков сосудистых бельм роговицы: а) состояние после неоднократной кератопластики, толщина — 556 мкм; б) состояние после химического ожога щелочью, толщина — 620 мкм; в) состояние после химического ожога уксусной кислотой, укрепление бельма слизистой губы в анамнезе, толщина — 846 мкм; г) состояние после минно-взрывного ранения, укрепление бельма аутотрансплантатом височной фасции, толщина — 1234 мкм; д) состояние после химического ожога парами спирта, толщина — 432 мкм, планируется проведение пересадки роговично-протезного комплекса
Fig. 3. Corneal leucomas: а) condition after multiple keratoplasties, leucoma thickness — 556 µm; б) condition after alkali chemical burn, leucoma thickness — 620 µm; в) condition after acid chemical burn and lip mucosal autograft covering, leucoma thickness — 846 µm; г) condition after mine blast injury and temporal fascia autograft covering, leucoma thickness — 1234 µm; д) condition after alcohol vapors chemical burn, leucoma thickness — 432 µm, cornealprosthetic complex transplantation is planned
Рис. 4. Количество укреплений бельма после 1-го этапа кератопротезирования в исследуемых группах
Fig. 4. Number of corneal leucoma covering after the first stage of keratoprosthesis implantation in the study groups
Всем пациентам был проведен первый этап кератопротезирования, включающий имплантацию опорной пластины кератопротеза в бельмо роговицы пациента. ИСК выкраивали мануально или с помощью фемтосекундного лазера в зависимости от степени прозрачности бельма. В исследовании использовались опорные пластины трех моделей: кератопротез Федорова — Зуева, модифицированная модель кератопротеза Федорова — Зуева и новая модель производства «Репер-НН» (рис. 1).
Второй этап кератопротезирования проводился не менее чем через 6 месяцев после имплантации опорной пластины при отсутствии осложнений в послеоперационном периоде и включал вкручивание оптического цилиндра, подобранного по индивидуальным параметрам глаза пациента. Методика проведения второго этапа кератопротезирования не отличалась у пациентов всех групп.
До и после лечения оценивались следующие параметры: максимальная корригированная острота зрения (МКОЗ), уровень ВГД, равномерность сосудистого бельма (по данным УБМ в 8 основных меридианах), общая толщина сосудистого бельма, толщина бельма над и под опорной пластиной кератопротеза по данным ОКТ.
Также была проанализирована частота послеоперационных осложнений.
Для проведения статистического анализа данные вносили в электронную таблицу Microsoft Excel 2010 (Microsoft). Статистическую обработку данных проводили с использованием языка программирования Python 3, библиотек Pandas, SciPy и редактора кода Visual Studio Code («Microsoft»). Характер распределения данных оценивали с помощью критерия Шапиро — Уилка.
Сравнение данных между независимыми группами проводили с использованием критерия Манна — Уитни.
Сравнение данных до и после лечения проводили с использованием критерия Уилкоксона. Построение графиков осуществляли с использованием библиотек Seaborn, Matplotlib и Statannotations. Данные представлены в формате Me (Q1; Q3), где Me — медиана, Q1, Q3 — нижний и верхний квартили, и M±SD, где M — среднее значение, SD — стандартное отклонение, а также в виде абсолютных значений и процентов, рассчитывали минимальное и максимальное значения (Min и Max соответственно).
Сравнение категориальных данных проводили с использованием критерия χ2 (в т.ч. с поправкой Йейтса) и точного критерия Фишера. Статистически значимыми признавали различия, при которых уровень статистической значимости p<0,05.
Разработку моделей машинного обучения «Дерево решений» для бинарной классификации (DecisionTreeClassifier) проводили с использованием библиотеки sklearn для языка программирования Python 3. Целевой переменной был прогноз исхода кератопротезирования: благоприятный прогноз (класс 0) — в случае отсутствия осложнений, неблагоприятный (класс 1) — при наличии осложнений. Категориальные признаки кодировали в бинарном формате, где значение 0 соответствовало отсутствию признака, 1 — наличию. Подбор гиперпараметров проводили на 5-кратной кросс-валидации с использованием класса GridSearchCV, оптимизацию проводили по метрике ROC AUC. Оценку качества модели проводили на 5-кратной кросс-валидации по следующим метрикам: accuracy, precision (PPV — Positive Predictive Value — положительная прогностическая ценность), NPV (Negative Predictive Value) — отрицательная прогностическая ценность, Recall (Sensitivity — чувствительность), Specificity — специфичность, F1-score, ROC AUC. Целевой метрикой приняли ROC AUC. Оценку важности признаков проводили с использованием метода feature_importances_.
Результаты
Все пациенты в зависимости от наличия или отсутствия послеоперационных осложнений разделены на группы с благоприятным и неблагоприятным исходом для проведения статистической обработки данных.
Группы с благоприятным и неблагоприятным исходом статистически значимо не раз
Рис. 5. Серия снимков пациентов после 2-го этапа кератопротезирования с протрузией опорной пластины кератопротеза: а) истончение сосудистого бельма с носовой стороны и частично с височной; б) истончение сосудистого бельма в верхнем сегменте
Fig. 5. Clinical cases of the intralamellar plate protrusion after the second stage of keratoprosthesis implantation: а) corneal leucoma thinning in the nasal and temporal segments; б) corneal leucoma thinning in the upper segment
Рис. 6. Чрезмерно глубокое формирование ИСК мануально с риском протрузии опорной пластины в переднюю камеру
Fig. 6. Excessively deep manual formation of the intrastromal pocket with a high risk of the intralamellar plate protrusion into the anterior chamber
Группы с благоприятным и неблагоприятным исходами статистически значимо не различались по данным МКОЗ до и после 2-го этапа кератопротезирования (p>0,05). Вместе с тем как в общей выборке, так и в подвыборках с благоприятным и неблагоприятным исходом выявлено статистически значимое увеличение МКОЗ после второго этапа кератопротезирования (p<0,05, критерий Уилкоксона).
Выявлено, что в группе с благоприятным исходом толщина сосудистого бельма до кератопротезирования статистически значимо больше, чем в группе с неблагоприятным исходом (p<0,05, критерий Манна — Уитни).
В то же время количество укреплений бельма после 1-го этапа кератопротезирования в группе с благоприятным исходом была статистически значимо меньше, чем в группе с неблагоприятным исходом (p<0,05, критерий Манна — Уитни) (рис. 2, 3).
Группы с благоприятным и неблагоприятным исходами статистически значимо различались по имплантированной модели кератопротеза: в группе с благоприятным исходом имплантировано большее количество кератопротезов модели
Рис. 7. Серия снимков пациентов после формирования ИСК мануальным методом в связи с обильной васкуляризацией сосудистого бельма и низкой степени прозрачности роговицы: а) состояние после имплантации опорной пластины кератопротеза «Репер НН»; б) снимок ОКТ после имплантации опорной пластины через 1 месяц после операции
Fig. 7. Clinical cases of the patients after manual intrastromal pocket formation due to corneal vascularization and low corneal transparency: а) eye condition after Reper-NN intrastromal plate implantation; б) OCT image after intrastromal plate implantation, one-month follow-up period
Рис. 8. Серия снимков пациентов после формирования ИСК фемтосекундным лазером, учитывая удовлетворительную степень прозрачности бельма: а) состояние после имплантации опорной пластины кератопротеза «Репер НН»; б) ОКТ после имплантации опорной пластины через 1 месяц после операции
Fig. 8. Clinical cases of the patients after intrastromal pocket formation using femtosecond laser due to sufficient corneal transparency: а) eye condition after Reper-NN intrastromal plate implantation; б) OCT image after intrastromal plate implantation, one-month follow-up period
Исследуемые группы статистически значимо не различались по наличию укрепления бельма до и после 1-го этапа кератопротезирования, равномерности бельма, методу выкраивания ИСК (p>0,05).
После проведения кератопротезирования оценивались следующие осложнения: протрузия кератопротеза (23) (рис. 5), нестабильное положение опорной пластины (рис. 6) (16), кистообразование (2), полное выпадение кератопротеза (1), вывих пластины в переднюю камеру (1), фильтрация внутриглазной жидкости (12).
Поскольку группы с благоприятным и неблагоприятным исходами были сформированы в зависимости от наличия осложнений, то в группе с благоприятным исходом осложнения отсутствовали. Вместе с тем исследуемые группы статистически значимо не различались по количеству таких осложнений как кистообразование, полное выпадение, вывих в переднюю камеру (p>0,05, критерий Манна — Уитни). Также в группе с неблагоприятным исходом отмечены осложнения (протрузия, нестабильное положение кератопротеза, фильтрация внутриглазной жидкости), которых было статистически значимо больше, чем в группе с благоприятным исходом (p<0,05, критерий Манна — Уитни). В группе с неблагоприятным исходом также статистически значимо чаще была выполнена пересадка роговично-протезного комплекса в послеоперационном периоде (p<0,05, критерий Манна — Уитни) (табл. 2, 3).
С целью разработки оптимального алгоритма отбора пациентов для проведения кератопротезирования на следующем этапе проводили разработку модели дерева решения для прогноза исхода кератопротезирования.
Данный тип модели выбран, поскольку является интерпретируемой моделью с возможностью визуализации алгоритма принятия решений. Были разработаны две модели. В первой модели в качестве признаков были следующие 7 дооперационных показателей: возраст, пол, этиология сосудистого бельма, модель кератопротеза, толщина сосудистого бельма до кератопротезирования, укрепление бельма до кератопротезирования, равномерность бельма. Показатель «метод выкраива
Рис. 9. «Дерево решений» модели прогноза кератопротезирования
Fig. 9. Decision tree of the keratoprosthesis prediction model
Таблица 1 Медико-демографические показатели пациентов
Table 1 Patients’ medical and demographic data
По данным целевой метрики качества ROC AUC модель с 4 признаками показала более высокое качество, чем модель с 11 признаками, и составила 0,80±0,08, что интерпретируется как модель очень хорошего качества, с чувствительностью 0,66±0,16 и специфичностью 0,95±0,05 (табл. 4, 5).
На следующем этапе исследования оценивали важность признаков в разработанных моделях. Из таблицы 5 видно, что в обеих моделях наиболее важным показателем была толщина сосудистого бельма до кератопротезирования, на втором месте была модель кератопротеза.
Поскольку модель с 2 показателями (4 признаками при кодировании категориальных признаков), в числе которых толщина сосудистого бельма до кератопротезирования и модель кератопротеза, показала лучшее качество, на следующем этапе исследования осуществляли графическую визуализацию дерева решений для данной модели (рис. 9). Интерпретация дерева решений начинается от вершины и осуществляется по принципу «если … то …». Если утверждение истинное, то переходим по левому направлению, если ложное, то по правому. Поскольку категориальные признаки закодированы 0 в случае отсутствия признака и 1 в случае наличия признака, то условие, например, «Кератопротез Федорова — Зуева <= 0,5» равносильно следующему вопросу «НЕ Кератопротез Федорова — Зуева?» и при ответе на данный вопрос «Да» (что будет соответствовать другим кератопротезам, кроме кератопротеза Федорова — Зуева) переходим по левому направлению, при ответе «Нет» (что будет соответствовать кератопротезу Федорова — Зуева) переходим по правому направлению. Для упрощения интерпретации категориальных признаков в дереве решений возможно прочтение, например того же условия «Кератопротез Федорова — Зуева <= 0,5» в форме вопроса «Кератопротез Федорова — Зуева?», при этом провести инверсию направлений дальнейшего перехода и в случае ответа «Да» переходить по правому направлению, при ответе «Нет» — по левому. Метка «samples» показывает, какое количество наблюдений (глаз) находится на данном условии, а первое число показателя «value» — количество наблюдений благоприятного прогноза, второе — неблагоприятного.
На основании модели дерева решений для прогноза исхода кератопротезирования разработан алгоритм тактики хирургического лечения пациентов данной категории, который может способствовать снижению риска развития осложнений и заключается в следующем: при предоперационной толщине сосудистого бельма более 745,5 мкм возможна имплантация стандартной модели кератопротеза Федорова — Зуева; при толщине сосудистого бельма от 553,5 до 745,5 мкм и более возможна имплантация модифицированного кератопротеза Федорова — Зуева или кератопротеза «Репер-НН»; при толщине бельма менее 553,5 мкм целесообразна имплантация протеза в составе кератопротезного комплекса.
Обсуждение
Одним из актуальных вопросов кератопротезирования является выбор тактики проведения первого этапа хирургического вмешательства, что напрямую зависит от толщины и равномерности сосудистого бельма.
По данным различных авторов, процент осложнений кератопротезирования у пациентов с неравномерными по толщине бельмами, остается достаточно высоким [5, 6]. В связи с этим предпочтительной тактикой в данном случае является пересадка роговично-протезного комплекса, представляющего собой донорскую роговицу с имплантированной в нее опорной пластиной кератопротеза [7]. Однако данная методика требует наличия донорского материала, более расширенного объема хирургических манипуляций с высокими рисками интраоперационных осложнений, а также в большом проценте случаев требует дополнительного укрепления аутотканями для профилактики протрузии протеза в последующем [8, 9].
На сегодняшний день, при наличии равномерного бельма достаточной толщины, стандартным методом выполнения первого этапа является формирование входного туннеля в виде несквозного разреза по лимбу на 2/3 толщины роговицы, затем расслаивание роговицы с образованием ИСК и имплантацией опорной пластины [10].
Метод формирования ИСК определяется степенью прозрачности бельма. Данный параметр оценивае
Таблица 2 Клинико-морфофункциональная характеристика количественных данных пациентов после кератопротезирования
Table 2 Clinical and morphofunctional characteristics of patients’ quantitative data after keratoprosthesis implantation
Таблица 3 Клинико-морфофункциональная характеристика качественных данных пациентов после кератопротезирования
Table 3 Clinical and morphofunctional characteristics of patients’ qualitative data after keratoprosthesis implantation
На сегодняшний день более распространен стандартный метод формирования ИСК мануальной техникой под интраоперационным контролем ОКТ [13–15]. При наличии обильной васкуляризации, тотального помутнения роговицы, а также операций по поводу укрепления бельма аутотканями в анамнезе, возможно проведение только мануального расслаивания.
Следует отметить, что в ходе исследования имплантировались опорные пластины трех различных модификаций кератопротеза. При анализе результатов были выявлены существенные преимущества новой модели кератопротеза «Репер-НН», что свидетельствует о влиянии материала, площади и конструкции опорной пластины на приживление и стабильное положение кератопротеза в послеоперационном периоде. Наибольшее количество осложнений было выявлено при имплантации классической модели кератопротеза Федорова — Зуева, что объясняется большим диаметром опорной пластины и высоким риском развития асептического некроза тканей роговицы и протрузии опорной пластины [16, 17].
Таким образом, разработанная тактика выполнения первого этапа кератопротезирования в зависимости от толщины сосудистого бельма позволяет определить индивидуальный подход к каждому пациенту данной группы и существенно снизить риски развития послеоперационных осложнений.
Заключение
По результатам проведенного анализа клинико-функциональных особенностей первого этапа кератопротезирования у пациентов с сосудистыми бельмами роговицы разработана модель машинного обучения «Дерево решений» (ROC AUC=0,80±0,08) и определено, что наибольшее влияние на исход кератопротезирования оказывают толщина сосудистого бельма до операции, а также модель кератопротеза. Разработанный алгоритм тактики хирургического лечения может определить оптимальный способ имплантации опорной пластины в зависимости от пахиметрических характеристик бельма и способствовать существенному снижению риска развития осложнений.
Информация об авторах
Андрей Владимирович Головин, к.м.н., зав. операционным блоком ФГАУ НМИЦ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова», golovin.mntk@gmail.com, https://orcid.org/0000-0001-7577-1289
Валерия Романовна Манцова, врач-офтальмолог, аспирант ФГАУ НМИЦ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова», md.sholokhova_valeriya@mail.ru, https://orcid.org/0009-0003-3359-8352
Анна Алексеевна Трошина, к.м.н., научный сотрудник отдела хирургии хрусталика и интраокулярной коррекции ФГАУ «НМИЦ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова», anna.troshina221B@ yandex.ru, https://orcid.org/0000-0002-0218-5139
Александра Вячеславовна Прошко, врач-офтальмолог, аспирант ФГАУ НМИЦ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова», proshcko.alexa@yandex.ru, https://orcid.org/0009-0008-5372-6055
Евгений Владимирович Кечин, к.м.н., начальник отдела реализации инновационных программ, трансфера и коммерциализации технологий ФГАУ НМИЦ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова», evgeny.kechin@gmail.com, https://orcid.org/0000-0002-6732-1226
Information about the authors
Andrey V. Golovin, PhD in Medicine, Head of the operating unit, golovin. mntk@gmail.com, https://orcid.org/0000-0001-7577-1289
Valeriya R. Mantsova, Ophthalmologist, PhD Student, md.sholokhova_ valeriya@mail.ru, https://orcid.org/
Таблица 4 Метрики качества моделей машинного обучения «Дерево решений» для прогноза исхода кератопротезирования в зависимости от числа признаков в модели (M±SD)
Table 4 Quality metrics of «Decision Tree» machine learning models for predicting the keratoprosthesis implantation outcomes depending on the number of features in the model (M±SD
Таблица 5 Важность признаков в моделях машинного обучения «Дерево решений» для прогноза исхода кератопротезирования в зависимости от числа признаков в модели
Table 5 Feature importance in «Decision Tree» machine learning models for predicting keratoprosthesis outcomes depending on the number of features in the model
Anna A. Troshina, PhD in Medicine, Researcher at the Department of Lens Surgery and Intraocular Correction, anna.troshina221B@yandex.ru, https://orcid.org/0000-0002-0218-5139
Aleksandra V. Proshko, Ophthalmologist, Clinical Resident, proshcko. alexa@yandex.ru, https://orcid.org/0009-0008-5372-6055
Evgeniy V. Kechin, PhD in Medicine, Head of the Department of Implementation of Innovative Programs, Technology Transfer and Commercialization, evgeny.kechin@gmail.com, https://orcid.org/0000-0002-6732-1226
Вклад авторов в работу:
А.В. Головин: существенный вклад в концепцию и дизайн работы, сбор, анализ и обработка материала, написание текста, редактирование, окончательное утверждение версии, подлежащей публикации.
В.Р. Манцова: существенный вклад в концепцию и дизайн работы, сбор, анализ и обработка материала, написание текста, окончательное утверждение версии, подлежащей публикации.
А.А. Трошина: существенный вклад в концепцию и дизайн работы, сбор, анализ и обработка материала, написание текста, редактирование.
А.В. Прошко: сбор, анализ и обработка материала.
Е.В. Кечин: статистическая обработка данных.
Authors’ contribution:
A.V. Golovin: significant contribution to the concept and design of the work, collection, analysis and processing of material, writing, editing, final approval of the version to be published.
V.R. Mantsova: significant contribution to the concept and design of the work, collection, analysis and processing of material, writing, final approval of the version to be published.
A.A. Troshina: significant contribution to the concept and design of the work, collection, analysis and processing of material, writing, editing.
A.V. Proshko: collection, analysis and processing of material.
E.V. Kechin: statistical data processing.
Финансирование: Авторы не получали конкретный грант на это исследование от какого-либо финансирующего агентства в государственном, коммерческом и некоммерческом секторе.
Согласие пациента на публикацию: Письменного согласия на публикацию этого материала получено не было. Он не содержит никакой личной идентифицирующей информации.
Конфликт интересов: Отсутствует.
Funding: The authors have not declared a specific grant for this research from any funding agency in the public, commercial, or non-profit sector.
Patient consent for publication: No written consent was obtained for the publication of this material. It does not contain any personally identifying information.
Conflict of interest: There is no conflict of interest.
Поступила: 21.10.2025
Переработана: 18.11.2025
Принята к печати: 28.11.2025
Received: 21.10.2025
Revision: 18.11.2025
Accepted: 28.11.2025
