Úvod

Glaukom je skupina očních onemocnění, která poškozují zrakový nerv a mohou vést k nevratné slepotě. Glaukom, často nazývaný „tichý zloděj zraku“, postihuje miliony lidí po celém světě. Odhaduje se, že do roku 2040 bude glaukomem postiženo 111,8 milionu lidí (medicalxpress.com). Včasná detekce a léčba jsou zásadní, protože ztrátu zraku nelze plně obnovit. Zde se prosazuje umělá inteligence (AI): analýzou snímků oka a testovacích dat může AI pomoci efektivněji provádět screening, diagnostiku a monitorování glaukomu. V tomto článku prozkoumáme, jak je AI dnes aplikována v péči o glaukom – s odkazem na reálné nástroje a studie – a prozkoumáme vznikající příležitosti, zejména ve výzkumu obnovy zraku. Zaměřujeme se na prokázané výsledky (např. senzitivita a specificita nástrojů AI) a na konkrétní budoucí aplikace, poskytující praktické rady pro pacienty i výzkumníky.

AI v současném screeningu a diagnostice glaukomu

Analýza snímků pořízených chytrým telefonem a fundus snímků

Jedním z hlavních využití AI dnes je automatická analýza fundus fotografií (snímků sítnice) pro screening glaukomu. Výzkumné týmy spojily přenosné fundus kamery nebo nástavce pro chytré telefony s AI klasifikátory k detekci glaukomatózních zrakových disků. Například nedávná prospektivní studie v Indii testovala offline AI model integrovaný do fundus kamery pro chytré telefony (Medios AI-Glaucoma na zařízení FOP NM-10 od Remidio). Tento systém detekoval pacienty vyžadující doporučení („referable glaucoma“) s přibližně 94% senzitivitou a 86% specificitou ve srovnání s kompletním klinickým vyšetřením (pmc.ncbi.nlm.nih.gov). Číselně, AI správně identifikovala 93,7 % skutečných případů glaukomu a správně vyloučila 85,6 % případů bez glaukomu (pmc.ncbi.nlm.nih.gov). Takto vysoká přesnost ukazuje, že screening glaukomu pomocí AI na bázi chytrých telefonů dokáže spolehlivě identifikovat pacienty se změnami zrakového disku způsobenými glaukomem.

Jiná studie použila podobné nastavení AI kamery pro všechny stupně závažnosti glaukomu. Zjistila, že AI dosáhla 91,4% senzitivity a 94,1% specificity pro detekci glaukomu nebo podezřelých případů (pmc.ncbi.nlm.nih.gov). Výkon byl mírně nižší u velmi časného onemocnění (přibližně 87% senzitivita) a nejvyšší u pokročilých případů (96% senzitivita) (pmc.ncbi.nlm.nih.gov). Tyto výsledky pocházejí z ambulantních klinik a ukazují, že nástroje AI se mohou vyrovnat specialistům při označování podezřelých očí. Zdůrazňují také, že AI se často mýlí spíše v opatrnosti tím, že označuje mírné nebo podezřelé případy; v jedné studii byla většina falešně pozitivních případů očima, které specialisté označili jako „podezřelý disk“ (pmc.ncbi.nlm.nih.gov). Tento konzervativní přístup pomáhá vyhnout se přehlédnutí skutečného onemocnění za cenu několika dalších doporučení.

Komerční a výzkumné skupiny již takové systémy vyvíjejí. Například systém Medios AI-Glaucoma (Remidio, Indie/Singapur) se integruje s fundus kamerou pro chytré telefony a ukázal výše uvedené výsledky (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Jiné AI platformy (např. BegIA) používají snímky z chytrých telefonů k odhadu poměru exkavace k disku nebo dokonce analyzují snímky obličeje pro oční abnormality (glaucoma.org). V jedné klinické evaluaci aplikace pro chytré telefony vykázala plochu pod křivkou (AUC) 0,966 pro detekci glaukomu, s 95,4% senzitivitou a 87,3% specificitou (glaucoma.org).

Telemedicína a vzdálený screening

Aplikace s podporou AI se také používají v telemedicíně pro glaukom. Například cloudová platforma iPredict spouští AI na nahraných fundus snímcích. V reálné studii dosáhl tento telemedicínský nástroj přibližně 89,7% přesnosti (83,3% senzitivita, 93,9% specificita) při identifikaci podezřelých z glaukomu z retinálních fotografií (pmc.ncbi.nlm.nih.gov). AI klasifikovala zrakové disky na „podezřelé z glaukomu“ versus normální měřením vertikálního poměru exkavace/disku, což se shodovalo s hodnocením expertů v 93,9 % případů (pmc.ncbi.nlm.nih.gov). Systém prokázal 100% shodu mezi osobním a AI-zpracovaným vzdáleným hodnocením pro testovací soubor (pmc.ncbi.nlm.nih.gov). To znamená, že pacient ve venkovské klinice by mohl získat výsledek screeningu v reálném čase prostřednictvím AI, s okamžitým doporučením k dalšímu vyšetření, pokud by bylo potřeba. Takové platformy činí screening dostupnějším a konzistentnějším, zejména v oblastech s nedostatečnou zdravotnickou péčí (glaucoma.org) (pmc.ncbi.nlm.nih.gov).

OCT, zorná pole a integrace dat

Kromě fotografií se AI uplatňuje i u dalších glaukomových testů. Modely hlubokého učení dokážou segmentovat skeny optické koherenční tomografie (OCT) pro měření tloušťky vrstvy nervových vláken sítnice (RNFL) nebo rysů hlavy zrakového nervu. Mohou také analyzovat testy zorného pole (VF) pro subtilní progresi. Například konvoluční neuronové sítě byly trénovány k rozlišení glaukomových vzorů na mapách zorného pole. Další nástroje AI kombinují více datových zdrojů – měření tlaku, OCT, VF, anamnézu pacienta – k výpočtu skóre rizika glaukomu. Zatímco mnohé z nich jsou ve vývoji nebo v raných fázích zkoušek, slibují pomoc klinikům tím, že upozorňují na pacienty, u nichž by se onemocnění mohlo zhoršit a kteří potřebují intenzivnější péči. Jeden přehled uvádí systémy hlubokého učení, které úspěšně předpovídají budoucí ztrátu zorného pole až na několik let dopředu učením se z minulých sérií zorného pole (pmc.ncbi.nlm.nih.gov). Tyto špičkové metody byly zatím testovány na retrospektivních datech, což naznačuje proveditelnost AI předpovídající progresi onemocnění, ale v praxi se zatím nestaly rutinou.

Měřitelný dopad a výkon v praxi

Několik studií demonstruje hmatatelný výkon nástrojů AI v klinickém prostředí. Jak bylo uvedeno, AI pro fundus snímky z chytrých telefonů dosáhla ~91-94% senzitivity a ~86-94% specificity ve velkých kohortách pacientů (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Telemedicínský AI projekt vykázal celkovou přesnost ~89,7 % (pmc.ncbi.nlm.nih.gov). To jsou působivá čísla – ve výzkumném prostředí je AI již na stejné úrovni jako vyškolení oftalmologové pro screening. Důležité je, že některé falešně negativní výsledky byly pouze mírné časné glaukomy, zatímco falešně pozitivní výsledky měly tendenci být „podezřelými disky“, nikoli jasně normálními (pmc.ncbi.nlm.nih.gov).

Stejně důležitá je adaptace. Systémy jako Medios a model iPredict jsou zaváděny v částech Indie a jinde pro populační screening. Ačkoli se objevují podrobné údaje o adopci, počáteční zprávy (například programy Remidio) naznačují, že stovky klinik používají kamerové jednotky poháněné AI. AI si také razí cestu do nemocničních pracovních stanic: několik výrobců OCT zařízení integruje funkce segmentace a analýzy AI, aby signalizovaly ztenčení RNFL nebo předpovídaly ztrátu RNFL. V akademickém prostředí mnoho klinik nyní zkouší modely AI na stávajících datech k upřesnění diagnostiky.

Přesto je adopce v západní klinické praxi stále omezena regulačním schválením a integrací do pracovního postupu. Žádná FDA schválená AI zatím není standardem pro screening glaukomu (na rozdíl od diabetické retinopatie, kde existují AI systémy jako IDx). Nicméně slibné terénní studie a recenzovaná ověření naznačují rychlý pokrok. Vzhledem k tomu, že AI ve screeningu glaukomu má jasný přínos pro veřejné zdraví (detekce onemocnění před ztrátou zraku), můžeme očekávat, že některé z těchto nástrojů budou v příštích několika letech usilovat o regulační schválení.

Vznikající aplikace AI: Co přijde dál

Prediktivní analytika a personalizovaná péče

Další vlna AI v glaukomu se zaměří na predikci a personalizaci. Modely strojového učení mohou kombinovat klinická, zobrazovací a genetická data k předpovědi rizika ztráty zraku jednotlivce nebo přechodu z oční hypertenze na glaukom (pmc.ncbi.nlm.nih.gov). Například neuronové sítě trénované na záznamech pacientů údajně identifikují, kdo je s největší pravděpodobností náchylný k progresi. V nadcházejících letech by takové systémy mohly pomoci lékařům přizpůsobit agresivitu léčby. Představte si skóre AI, které zvažuje nitrooční tlak (IOP), tloušťku rohovky, etnicitu, rodinnou anamnézu a další faktory k výpočtu odhadu „času do slepoty“ – což pomáhá prioritizovat terapii. Nyní existují rozsáhlé datové sady (z biobank a očních nemocnic), takže AI se může učit složité vzorce nad rámec jednoduchých rizikových faktorů.

Monitorování glaukomu a domácí testování

AI by také mohla revolucionizovat monitorování. Vyvíjejí se nositelné senzory nitroočního tlaku (IOP) nebo chytré kontaktní čočky a AI by mohla analyzovat jejich kontinuální data, aby upozornila pacienty na nebezpečné výkyvy. Podobně se zlepšují aplikace zorného pole založené na chytrých telefonech (například aplikace, které promítají perimetrické grafy na telefon). Ve spojení s AI by se tyto mohly stát domácími testy glaukomu. Pacienti by si jednoho dne mohli sami doma provádět rychlé oční vyšetření, přičemž aplikace využívající AI by detekovala nové změny a informovala jejich lékaře, místo aby navštěvovali kliniku. Existují rané prototypy domácí tonometrie a testování zraku, ale analýza řízená AI je učiní klinicky užitečnými tím, že zajistí spolehlivost a označí skutečné zhoršení.

Chirurgické plánování a predikce výsledků

Chirurgické zákroky (trabekulektomie, shanty, MIGS) jsou další hranicí. AI by mohla pomoci předpovědět, kteří pacienti nejlépe zareagují na jaký typ operace, a to analýzou tisíců minulých případů. Například nástroj strojového učení by se mohl naučit, že pacienti s X vzorcem na zobrazování a Y genetikou reagují dobře na drenážní implantát, zatímco jiní lépe na laserovou trabekuloplastiku. Takové nástroje pro podporu rozhodování jsou předmětem výzkumu v mnoha oblastech; chirurgie glaukomu by mohla podobně těžit. Kromě toho by AI v budoucnu mohla vést robotickou oční chirurgii, i když to je dlouhodobější cíl.

Obnova a regenerace zraku – nevyužité příležitosti

Jednou z nejvíce vzrušujících hranic je obnova zraku po poškození glaukomem. V současné době neexistuje žádná terapie pro opětovný růst zrakových nervů nebo nahrazení ztracených retinálních gangliových buněk (RGC). Vědci však intenzivně pracují na neuroprotekci, genových terapiích, transplantacích kmenových buněk a protetikách. AI teprve začala ovlivňovat tyto oblasti, ale příležitosti jsou reálné:

• Objev léků s podporou AI: Nápadným příkladem je studie z roku 2024, kde AI screenery identifikovali malé molekuly, které chrání RGC pod stresem podobným glaukomu. Pomocí velkých jazykových modelů a grafových neuronových sítí vědci předpověděli kandidátské inhibitory RIPK3 (kináza buněčné smrti). Po laboratorních testech bylo zjištěno, že jedna sloučenina (HG9-91-01) zachovává strukturu RGC v modelu akutního glaukomu (pmc.ncbi.nlm.nih.gov). Ve skutečnosti všech pět molekul doporučených AI v této studii pomohlo přežití RGC pod stresem s nízkým obsahem kyslíku, přičemž HG9-91-01 poskytla nejlepší ochranu. Tento objev neuroprotektivních léků s podporou AI ukazuje, jak mohou výpočetní metody urychlit preklinický vývoj terapie glaukomu (pmc.ncbi.nlm.nih.gov). (Populárně-vědecká zpráva to popsala jako AI „pomáhá objevit potenciální kandidáty na léky proti glaukomu“ (medicalxpress.com).)

• Návrh nervových protéz: Pro pacienty, kteří již ztratili zrak, mohou technologie jako implantáty sítnice nebo zrakového nervu nabídnout způsob, jak částečně získat zrak zpět. Navrhování takových zařízení je extrémně složité. I zde hrají roli AI a modelování. Například článek z roku 2024 vyvinul detailní počítačový model zrakového nervu a vizuálního mozku k vyhodnocení protéz „stimulace zrakového nervu“. Tým použil strojově učením simulované obrazy k testování, jak by sítě elektrod na zrakovém nervu mohly obnovit široké zorné pole (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Jejich zjištění naznačují, že implantáty zrakového nervu by potenciálně mohly produkovat širší zorná pole než současné retinální protézy, a co je důležité, poskytly modelovací rámec pro optimalizaci umístění elektrod a stimulačních strategií (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Tento druh práce ukazuje, jak in silico nástroje a AI-řízené zpracování obrazu mohou vést k další generaci implantátů obnovujících zrak.

• Budoucí genové/buněčné terapie: Regenerační přístupy – jako je přeprogramování Müllerových buněk na RGC, transplantace RGC nebo použití genového editování k reaktivaci růstu – jsou předmětem intenzivního základního výzkumu. AI by je mohla nakonec urychlit analýzou velkých genetických a molekulárních datových souborů. Například článek Development z roku 2024 provedl obrovský CRISPR screening k odhalení genů kontrolujících regeneraci RGC【65†】. Metody strojového učení by mohly pomoci vytěžit tyto komplexní výsledky k prioritizaci cílů. Navíc, AI-řízený proteinový design (např. AlphaFold nebo generativní modely) by mohl vytvořit nové terapeutické proteiny nebo genové konstrukty pro regeneraci. Zatímco takové AI aplikace dosud nebyly hlášeny u glaukomu, oblast genomiky a terapie kmenovými buňkami je pro AI zralá. Výpočetní nástroje by mohly předpovědět, které kombinace genů podporují opětovný růst axonů, nebo optimalizovat virové vektory pro bezpečnější genovou dodávku.

V současné době je integrace AI do výzkumu regenerace RGC omezená, ale představuje vysoce hodnotnou příležitost. Jak se regenerační terapie (nanočástice, kmenové buňky, optogenetika) vyvíjejí, AI by mohla pomoci optimalizovat jejich design a dodávání. Například počítačové simulace by mohly modelovat, jak se nové RGC spojují s mozkem, nebo jak kontaktní čočky uvolňující léky reagují na IOP. Stručně řečeno, AI by mohla informovat o samotných strategiích k opravě zrakového nervu – což je cíl, který dosud nebyl klinicky dosažen. Vědci, kteří se zajímají o „obnovu zraku“, by měli zvážit spolupráci mezi odborníky na AI a neurobiology, aby prozkoumali tyto nevyužité možnosti.

Realistické časové osy

Je důležité být realistický. Nástroje AI pro screening a diagnostiku jsou již zde – existuje několik vysoce výkonných modelů, které se posouvají k klinickému využití. Vzhledem k úspěšným studiím bychom mohli v příštích několika letech zaznamenat schválení FDA pro nástroj AI pro screening glaukomu. Telemedicínské aplikace jsou také blízko k praktickému využití. Nicméně léčba obnovující zrak (skutečná regenerace nervů) je pravděpodobně roky nebo desetiletí vzdálena od klinické reality. AI urychlí vědu, ale terapie jako regenerace RGC čelí biologickým překážkám. Mezitím se praktické přínosy AI projeví hlavně v dřívější detekci a chytřejším řízení.

Závěr

AI již dnes zlepšuje péči o glaukom tím, že umožňuje rychlejší, levnější screening a přesnější diagnostiku. Četné studie potvrzují vysokou přesnost: například AI pro fundus snímky z chytrých telefonů dosáhla ~94% senzitivity/86% specificity (pmc.ncbi.nlm.nih.gov) a telemedicínská platforma dosáhla celkové přesnosti ~89,7 % (pmc.ncbi.nlm.nih.gov). Tyto nástroje mohou třídit pacienty a snižovat počet přehlédnutých případů. Pro pacienty to znamená, že brzy budou mít přístup k vyšetření na glaukom i mimo specialistické kliniky – dokonce i na mobilních telefonech. Včasná detekce s podporou AI může zachránit zrak díky včasné léčbě.

Při pohledu do budoucna se největší dopad AI může projevit v oblastech, kde se ještě nepoužívá. Hranice leží v ochraně a obnově zraku po poškození. Objev léků řízený AI (jako u inhibitoru RIPK3 nebo jiných) a počítačové modelování implantátů ukazují cestu. Vysoce hodnotné směry výzkumu zahrnují kombinaci AI s genomikou, zobrazováním a tkáňovým inženýrstvím k vyřešení problému regenerace nervů.

Shrnuto, AI slibuje významné praktické přínosy ve screeningu a řízení glaukomu v nadcházejících letech. Pro vědce leží velké příležitosti na křižovatce AI s biologií: využívání výpočetních modelů a rozsáhlých dat k dosažení průlomů v neuroprotekci a regeneraci. S konvergencí technologie a medicíny by měli zůstat informováni jak pacienti, tak výzkumníci. Přicházejí nástroje AI založené na důkazech a budou doplňovat – nikoli však zcela nahrazovat – tradiční péči o glaukom. Pečlivé ověření a promyšlená integrace do klinické praxe zajistí, že sliby AI se promítnou do lepších výsledků a obnoveného zraku.