WO2024003630 - MACHINE LEARNING SYSTEM AND METHOD FOR INTRAOCULAR LENS SELECTION
National phase entry is expected:
Publication Number
WO/2024/003630
Publication Date
04.01.2024
International Application No.
PCT/IB2023/055597
International Filing Date
31.05.2023
Title **
[English]
MACHINE LEARNING SYSTEM AND METHOD FOR INTRAOCULAR LENS SELECTION
[French]
SYSTÈME D'APPRENTISSAGE AUTOMATIQUE ET PROCÉDÉ DE SÉLECTION DE LENTILLE INTRAOCULAIRE
Applicants **
ALCON INC.
Rue Louis-d'affry 6
1701 Fribourg, CH
Inventors
PADRICK, Thomas
5117 46th Ave SW
Seattle, Washington 98136, US
SARVER, Edwin Jay
1022 Briarcrest Lane
Cookeville, Tennessee 38501, US
Priority Data
17/855,326
30.06.2022
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
EPO
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 952 | |
| EPO | Filing, Examination | 4679 | |
| Japan | Filing | 593 | |
| South Korea | Filing | 575 | |
| USA | Filing, Examination | 2635 |
Total: 9434 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
Particular embodiments disclosed herein provide an apparatus and corresponding methods for guiding selection of an IOL. A machine learning model is trained to generate an output parameter based on patient attribute data including dimensions of a patient's eye and a property of an IOL. The output parameter may be an emmatropic IOL power (EIOL) corresponding to an IOL that, if substituted for the implanted IOL would reduce post-operative refractive error to zero. The machine learning model is trained with data from past IOL implantation procedures including patient attribute data (eye dimensions and implanted IOL power) and an output parameter that is derived by summing the implanted IOL power and the post-operative refractive error scaled by a scaling factor.[French]
Des modes de réalisation particuliers de la présente invention concernent un appareil et des procédés correspondants pour guider la sélection d'une LIO. Un modèle d'apprentissage automatique est entraîné pour générer un paramètre de sortie sur la base de données d'attribut de patient comprenant des dimensions de l'œil d'un patient et une propriété d'une LIO. Le paramètre de sortie peut être une puissance de LIO emmatropique (LIOE) correspondant à une LIO qui, s'il est substitué pour la LIO implantée réduirait une erreur de réfraction post-opératoire à zéro. Le modèle d'apprentissage automatique est entraîné avec des données provenant de procédures d'implantation de LIO passées comprenant des données d'attribut de patient (dimensions oculaires et puissance de LIO implantée) et un paramètre de sortie qui est dérivé par addition de la puissance de LIO implantée et de l'erreur de réfraction post-opératoire mise à l'échelle par un facteur de mise à l'échelle.