Pendahuluan

Glaucoma adalah kelompok kondisi mata yang merusak saraf optik dan dapat menyebabkan kebutaan permanen. Sering disebut “pencuri penglihatan senyap,” glaucoma menyerang jutaan orang di seluruh dunia. Bahkan, diperkirakan 111,8 juta orang akan menderita glaucoma pada tahun 2040 (medicalxpress.com). Deteksi dini dan pengobatan sangat penting karena hilangnya penglihatan tidak dapat sepenuhnya pulih. Di sinilah kecerdasan buatan (AI) membuat terobosan: dengan menganalisis gambar mata dan data tes, AI dapat membantu menyaring, mendiagnosis, dan memantau glaucoma dengan lebih efisien. Dalam artikel ini kami mengeksplorasi bagaimana AI diterapkan saat ini dalam perawatan glaucoma – mengutip alat dan studi dunia nyata – dan memeriksa peluang yang muncul, terutama dalam penelitian restorasi penglihatan. Kami berfokus pada hasil yang terbukti (misalnya sensitivitas dan spesifisitas alat AI) dan pada aplikasi masa depan yang konkret, memberikan panduan praktis untuk pasien dan peneliti.

AI dalam Skrining dan Diagnosis Glaucoma Saat Ini

Analisis Gambar Fundus dan Ponsel Pintar

Salah satu penggunaan utama AI saat ini adalah analisis otomatis fotografi fundus (gambar retina) untuk skrining glaucoma. Tim peneliti telah memasangkan kamera fundus portabel atau lampiran ponsel pintar dengan pengklasifikasi AI untuk menandai disk optik glaukoma. Misalnya, sebuah studi prospektif baru-baru ini di India menguji model AI offline yang tertanam pada kamera fundus ponsel pintar (Medios AI-Glaucoma pada perangkat FOP NM-10 Remidio). Sistem ini mendeteksi pasien yang membutuhkan rujukan (“glaucoma yang dapat dirujuk”) dengan sekitar sensitivitas 94% dan spesifisitas 86% dibandingkan dengan pemeriksaan klinis lengkap (pmc.ncbi.nlm.nih.gov). Secara angka, AI dengan tepat mengidentifikasi 93,7% kasus glaucoma sejati dan dengan tepat mengecualikan 85,6% kasus non-glaucoma (pmc.ncbi.nlm.nih.gov). Akurasi tinggi tersebut menunjukkan bahwa skrining AI berbasis ponsel pintar dapat diandalkan untuk menemukan pasien dengan perubahan glaucoma pada disk optik mereka.

Studi lain menggunakan pengaturan kamera-AI serupa di semua tingkat keparahan glaucoma. Ditemukan bahwa AI mencapai sensitivitas 91,4% dan spesifisitas 94,1% untuk mendeteksi kasus glaucoma atau kasus yang dicurigai (pmc.ncbi.nlm.nih.gov). Kinerja sedikit lebih rendah untuk penyakit sangat dini (sekitar 87% sensitivitas) dan tertinggi untuk kasus lanjut (96% sensitivitas) (pmc.ncbi.nlm.nih.gov). Hasil ini berasal dari klinik rawat jalan dan menunjukkan bahwa alat AI dapat menyamai pemeriksaan spesialis dalam menandai mata yang mencurigakan. Mereka juga menyoroti bahwa AI seringkali mengambil langkah hati-hati dengan menandai kasus ringan atau yang dicurigai; dalam satu studi, sebagian besar positif palsu adalah mata yang oleh spesialis diberi label “disk suspect” (pmc.ncbi.nlm.nih.gov). Pendekatan konservatif ini membantu menghindari terlewatnya penyakit yang sebenarnya dengan biaya beberapa rujukan tambahan.

Kelompok komersial dan penelitian sudah mengembangkan sistem semacam itu. Misalnya, sistem Medios AI-Glaucoma (Remidio, India/Singapura) terintegrasi pada kamera fundus ponsel pintar dan telah menunjukkan hasil di atas (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Platform AI lainnya (misalnya BegIA) menggunakan gambar ponsel pintar untuk memperkirakan rasio cup-to-disc atau bahkan menganalisis gambar wajah untuk kelainan mata (glaucoma.org). Dalam satu evaluasi klinis, aplikasi ponsel pintar melaporkan area di bawah kurva (AUC) sebesar 0,966 untuk deteksi glaucoma, dengan sensitivitas 95,4% dan spesifisitas 87,3% (glaucoma.org).

Telemedis dan Skrining Jarak Jauh

Aplikasi yang diaktifkan AI juga digunakan dalam telemedis untuk glaucoma. Misalnya, platform cloud iPredict menjalankan AI pada gambar fundus yang diunggah. Dalam uji coba dunia nyata, alat telemedis ini mencapai akurasi keseluruhan ~89,7% (sensitivitas 83,3%, spesifisitas 93,9%) dalam mengidentifikasi dugaan glaucoma dari foto retina (pmc.ncbi.nlm.nih.gov). AI mengklasifikasikan disk optik menjadi “dugaan glaucoma” vs. normal dengan mengukur rasio cup/disc vertikal, cocok dengan penilai ahli 93,9% dari waktu (pmc.ncbi.nlm.nih.gov). Sistem ini menunjukkan kesesuaian 100% antara penilaian tatap muka dan penilaian jarak jauh yang diproses AI untuk satu set tes (pmc.ncbi.nlm.nih.gov). Ini berarti pasien di klinik pedesaan dapat memperoleh hasil skrining real-time melalui AI, dengan saran rujukan segera jika diperlukan. Platform semacam itu membuat skrining lebih mudah diakses dan konsisten, terutama di daerah yang kurang terlayani (glaucoma.org) (pmc.ncbi.nlm.nih.gov).

OCT, Lapang Pandang, dan Integrasi Data

Selain foto, AI diterapkan pada tes glaucoma lainnya. Model pembelajaran mendalam dapat mengsegmentasi pemindaian optical coherence tomography (OCT) untuk mengukur ketebalan lapisan serat saraf retina (RNFL) atau fitur kepala saraf optik. Mereka juga dapat menganalisis tes lapang pandang (VF) untuk progresi yang halus. Misalnya, jaringan saraf konvolusional telah dilatih untuk membedakan pola glaucoma pada peta VF. Alat AI lainnya menggabungkan beberapa sumber data – pembacaan tekanan, OCT, VF, riwayat pasien – untuk menghitung skor risiko glaucoma. Meskipun banyak dari ini sedang dalam pengembangan atau uji coba awal, mereka menjanjikan untuk membantu klinisi dengan menyoroti pasien yang penyakitnya mungkin memburuk dan membutuhkan perawatan lebih dekat. Sebuah tinjauan melaporkan sistem DL yang berhasil memprediksi hilangnya VF di masa depan hingga beberapa tahun ke depan dengan belajar dari seri VF sebelumnya (pmc.ncbi.nlm.nih.gov). Metode canggih ini sejauh ini telah diuji pada data retrospektif, menunjukkan kelayakan AI dalam memprediksi progresi penyakit, tetapi belum menjadi rutinitas dalam praktik.

Dampak dan Kinerja Terukur dalam Praktik

Beberapa studi menunjukkan kinerja nyata alat AI dalam pengaturan seperti klinik. Seperti dicatat, smartphone-fundus-AI mencapai sensitivitas ~91-94% dan spesifisitas ~86-94% dalam kohort pasien besar (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Proyek AI telemedis melaporkan akurasi keseluruhan ~89,7% (pmc.ncbi.nlm.nih.gov). Ini adalah angka yang mengesankan – dalam pengaturan penelitian, AI sudah setara dengan oftalmologis terlatih untuk pilihan skrining. Yang penting, beberapa negatif palsu hanyalah glaucoma dini ringan, sementara positif palsu cenderung menjadi “disc suspect” dan bukan normal yang jelas (pmc.ncbi.nlm.nih.gov).

Yang sama pentingnya adalah adopsi. Sistem seperti Medios dan model iPredict sedang diluncurkan di beberapa bagian India dan tempat lain untuk skrining populasi. Meskipun data adopsi terperinci sedang muncul, laporan awal (misalnya, program penjangkauan Remidio) menunjukkan ratusan klinik menggunakan unit kamera berbasis AI. AI juga merambah ke workstation rumah sakit: beberapa produsen perangkat OCT mengintegrasikan fitur segmentasi dan analisis AI untuk menandai penipisan RNFL atau memprediksi hilangnya RNFL. Di akademisi, banyak klinik sekarang menguji model AI pada data yang ada untuk menyempurnakan diagnostik.

Meskipun demikian, adopsi dalam praktik klinis Barat masih terbatas oleh persetujuan peraturan dan integrasi alur kerja. Belum ada AI yang disetujui FDA yang menjadi standar untuk skrining glaucoma (tidak seperti retinopati diabetik di mana sistem AI seperti IDx sudah ada). Namun, uji coba lapangan yang menjanjikan dan validasi peer-review menunjukkan kemajuan pesat. Karena skrining glaucoma AI memiliki manfaat kesehatan masyarakat yang jelas (mendeteksi penyakit sebelum hilangnya penglihatan), kita dapat mengharapkan beberapa alat ini untuk mencari izin regulasi dalam beberapa tahun ke depan.

Aplikasi AI yang Berkembang: Apa Selanjutnya

Analitik Prediktif dan Perawatan Personal

Gelombang AI berikutnya dalam glaucoma akan berfokus pada prediksi dan personalisasi. Model pembelajaran mesin dapat menggabungkan data klinis, pencitraan, dan genetik untuk memprediksi risiko hilangnya penglihatan individu atau konversi dari hipertensi okular menjadi glaucoma (pmc.ncbi.nlm.nih.gov). Misalnya, jaringan saraf yang dilatih pada catatan pasien konon mengidentifikasi siapa yang paling mungkin untuk berkembang. Dalam beberapa tahun mendatang, sistem semacam itu dapat membantu dokter menyesuaikan agresivitas pengobatan. Bayangkan skor AI yang menimbang TIO, ketebalan kornea, etnis, riwayat keluarga, dan lainnya untuk menghitung perkiraan “waktu hingga kebutaan” – membantu memprioritaskan terapi. Dataset besar sekarang tersedia (dari biobank dan rumah sakit mata), sehingga AI dapat mempelajari pola rumit di luar faktor risiko sederhana.

Pemantauan Glaucoma dan Pengujian di Rumah

AI juga dapat merevolusi pemantauan. Sensor tekanan intraokular (TIO) yang dapat dikenakan atau lensa kontak pintar sedang dikembangkan, dan AI dapat menganalisis data berkelanjutan mereka untuk memperingatkan pasien tentang lonjakan berbahaya. Demikian pula, aplikasi lapang pandang berbasis ponsel pintar semakin baik (misalnya aplikasi yang memproyeksikan grafik perimetri di ponsel). Ketika dipasangkan dengan AI, ini dapat menjadi tes glaucoma di rumah. Pasien suatu hari mungkin dapat melakukan pemeriksaan mata cepat sendiri di rumah, dengan aplikasi yang menggunakan AI untuk mendeteksi perubahan baru dan menginformasikan dokter mereka, daripada mengunjungi klinik. Prototipe awal tonometri rumah dan pengujian penglihatan sudah ada, tetapi analisis berbasis AI akan membuatnya berguna secara klinis dengan memastikan keandalan dan menandai kerusakan yang sebenarnya.

Perencanaan Bedah dan Prediksi Hasil

Intervensi bedah (trabekulektomi, shunt, MIGS) adalah batas lain. AI dapat membantu memprediksi pasien mana yang akan merespons terbaik terhadap operasi mana, dengan menganalisis ribuan kasus sebelumnya. Misalnya, alat pembelajaran mesin mungkin mengetahui bahwa pasien dengan pola X pada pencitraan dan genetika Y berhasil dengan implan drainase, sementara yang lain lebih baik dengan trabekuloplasti laser. Alat pendukung keputusan semacam itu sedang diteliti di banyak bidang; operasi glaucoma dapat memperoleh manfaat yang sama. Selain itu, AI dapat memandu operasi mata robotik di masa depan, meskipun itu adalah jangka panjang.

Restorasi dan Regenerasi Penglihatan – Peluang yang Belum Dimanfaatkan

Salah satu batas paling menarik adalah restorasi penglihatan setelah kerusakan glaucoma. Saat ini tidak ada terapi untuk menumbuhkan kembali saraf optik atau mengganti sel ganglion retina (RGC) yang hilang. Namun, para peneliti sedang bekerja keras pada neuroproteksi, terapi gen, transplantasi sel induk, dan prostetik. AI baru mulai memengaruhi area ini, tetapi peluangnya nyata:

• Penemuan Obat dengan Bantuan AI: Contoh yang mencolok adalah studi tahun 2024 di mana penyaring AI mengidentifikasi molekul kecil yang melindungi RGC di bawah tekanan seperti glaucoma. Menggunakan model bahasa besar dan jaringan saraf graf, para peneliti memprediksi kandidat penghambat RIPK3 (kinase kematian sel). Setelah tes laboratorium, satu senyawa (HG9-91-01) ditemukan dapat menjaga struktur RGC dalam model glaucoma akut (pmc.ncbi.nlm.nih.gov). Bahkan, kelima molekul yang direkomendasikan AI dalam studi itu membantu kelangsungan hidup RGC di bawah tekanan oksigen rendah, dengan HG9-91-01 memberikan perlindungan terbaik. Penemuan obat neuroprotektif yang diaktifkan AI ini menunjukkan bagaimana metode komputasi dapat mempercepat pengembangan terapi glaucoma praklinis (pmc.ncbi.nlm.nih.gov). (Sebuah laporan sains populer menggambarkan ini sebagai AI “membantu penemuan kandidat obat glaucoma potensial” (medicalxpress.com).)

• Desain Prostesis Saraf: Untuk pasien yang sudah kehilangan penglihatan, teknologi seperti implan retina atau saraf optik mungkin menawarkan cara untuk mendapatkan kembali sebagian penglihatan. Merancang perangkat semacam itu sangat kompleks. Di sini juga AI dan pemodelan memainkan peran. Misalnya, makalah tahun 2024 mengembangkan model komputasi terperinci saraf optik dan otak visual untuk mengevaluasi prostesis “stimulasi saraf optik”. Tim menggunakan gambar simulasi pembelajaran mesin untuk menguji bagaimana susunan elektroda pada saraf optik dapat mengembalikan penglihatan lapang pandang lebar (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Temuan mereka menunjukkan implan saraf optik berpotensi menghasilkan lapang pandang yang lebih luas daripada prostesis retina saat ini, dan yang penting mereka menyediakan kerangka pemodelan untuk mengoptimalkan penempatan elektroda dan strategi stimulasi (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Jenis pekerjaan ini menunjukkan bagaimana alat in silico dan pemrosesan gambar berbasis AI dapat memandu generasi implan restorasi penglihatan berikutnya.

• Terapi Gen/Sel Masa Depan: Pendekatan regeneratif – seperti memprogram ulang sel Müller menjadi RGC, mentransplantasikan RGC, atau menggunakan pengeditan gen untuk mengaktifkan kembali pertumbuhan – sedang dalam penelitian dasar yang intens. AI pada akhirnya dapat mempercepat ini dengan menganalisis dataset genetik dan molekuler besar. Misalnya, makalah Development tahun 2024 melakukan skrining CRISPR besar-besaran untuk mengungkap gen yang mengendalikan regenerasi RGC【65†】. Metode pembelajaran mesin dapat membantu menambang hasil kompleks ini untuk memprioritaskan target. Selain itu, desain protein berbasis AI (misalnya AlphaFold atau model generatif) mungkin menciptakan protein terapeutik baru atau konstruksi gen untuk regenerasi. Meskipun aplikasi AI semacam itu belum dilaporkan dalam glaucoma, bidang genomik dan terapi sel induk sangat siap untuk AI. Alat komputasi mungkin memprediksi kombinasi gen mana yang mendorong pertumbuhan akson kembali, atau mengoptimalkan vektor virus untuk pengiriman gen yang lebih aman.

Saat ini, integrasi AI ke dalam penelitian regenerasi RGC terbatas, tetapi ini mewakili peluang bernilai tinggi. Seiring kemajuan terapi regeneratif (nanopartikel, sel induk, optogenetik), AI dapat membantu mengoptimalkan desain dan pengirimannya. Misalnya, simulasi komputer mungkin memodelkan bagaimana RGC baru terhubung ke otak, atau bagaimana lensa kontak pelepasan obat merespons TIO. Singkatnya, AI dapat menginformasikan strategi untuk memperbaiki saraf optik – tujuan yang belum tercapai secara klinis. Para peneliti yang tertarik pada “restorasi penglihatan” harus mempertimbangkan kolaborasi antara ahli AI dan neurobiologi untuk mengeksplorasi kemungkinan yang belum dimanfaatkan ini.

Garis Waktu yang Realistis

Penting untuk bersikap realistis. Alat AI untuk skrining dan diagnosis sudah ada – beberapa model berkinerja tinggi tersedia dan bergerak menuju penggunaan klinis. Kita mungkin melihat persetujuan FDA untuk alat skrining glaucoma AI dalam beberapa tahun ke depan, mengingat uji coba yang berhasil. Aplikasi telemedis juga hampir siap untuk dipraktikkan. Namun, penyembuhan restorasi penglihatan (regenerasi saraf sejati) kemungkinan masih bertahun-tahun atau puluhan tahun lagi dari kenyataan klinis. AI akan mempercepat ilmu pengetahuan, tetapi terapi seperti regenerasi RGC menghadapi hambatan biologis. Sementara itu, keuntungan praktis AI terutama akan datang dalam deteksi dini dan manajemen yang lebih cerdas.

Kesimpulan

AI sudah meningkatkan perawatan glaucoma saat ini dengan memungkinkan skrining yang lebih cepat, lebih murah, dan diagnosis yang lebih akurat. Berbagai penelitian mengkonfirmasi akurasi tinggi: misalnya, fundus-AI ponsel pintar mencapai sensitivitas ~94%/spesifisitas 86% (pmc.ncbi.nlm.nih.gov), dan platform telemedis mencapai akurasi keseluruhan ~89,7% (pmc.ncbi.nlm.nih.gov). Alat-alat ini dapat memilah pasien dan mengurangi kasus yang terlewat. Bagi pasien, ini berarti mereka akan segera memiliki akses ke pemeriksaan glaucoma di luar klinik spesialis – bahkan di ponsel. Deteksi dini yang didukung AI dapat menyelamatkan penglihatan melalui pengobatan tepat waktu.

Ke depan, dampak terbesar AI mungkin berada pada area yang belum digunakan. Batasan terletak pada melindungi dan memulihkan penglihatan setelah kerusakan. Penemuan obat berbasis AI (seperti dengan penghambat RIPK3 atau lainnya) dan pemodelan komputasi implan menunjukkan jalannya. Arah penelitian bernilai tinggi termasuk menggabungkan AI dengan genomik, pencitraan, dan rekayasa jaringan untuk memecahkan masalah regenerasi saraf.

Singkatnya, AI menjanjikan manfaat praktis yang signifikan dalam skrining dan manajemen glaucoma dalam beberapa tahun mendatang. Bagi para ilmuwan, peluang besar berada di persimpangan AI dengan biologi: menggunakan model komputasi dan data skala besar untuk mendorong terobosan dalam neuroproteksi dan regenerasi. Seiring konvergensi teknologi dan kedokteran, baik pasien maupun peneliti harus tetap terinformasi. Alat AI berbasis bukti akan datang, dan mereka akan melengkapi – tetapi tidak sepenuhnya menggantikan – perawatan glaucoma tradisional. Validasi yang cermat dan integrasi yang bijaksana ke dalam praktik klinis akan memastikan bahwa janji-janji AI diterjemahkan menjadi hasil yang lebih baik dan penglihatan yang pulih.