Hvor raskt utvikler AI seg egentlig, og hva betyr det for glaukompasienter og -forskere?

Hvor raskt utvikler AI seg egentlig, og hva betyr det for glaukompasienter og -forskere?

Kunstig intelligens (AI) har utviklet seg i et halsbrekkende tempo de siste årene. Nye AI-modeller utfører nå oppgaver som man tidligere trodde lå mange år frem i tid, og disse fremskrittene gjenspeiles i referansepunkter, produkter og forskningsgjennombrudd på mange felt – inkludert øyehelse. Denne artikkelen undersøker konkrete mål på AI-fremskritt og oversetter dem til hva de betyr for glaukombehandling og -forskning. Vi fremhever reelle eksempler på AI-verktøy som allerede hjelper pasienter, oppsummerer hvilke nye utviklinger som er i horisonten (fra kliniske studier til nær fremtidige innovasjoner), og foreslår spørsmål pasienter og forskere kan utforske i dag for å forberede seg på morgendagens fremskritt.

Hvordan måles AI-fremskritt (og hvor raskt vokser det)?

Forskere måler AI-fremskritt ved ytelse på utfordrende oppgaver (referansepunkter) og ved å spore forbedringer i modelldesign, data og datakraft. De siste årene har alle disse tre faktorene eksplodert. For eksempel fant en analyse at «grenselinjen» for AI-kapasiteter akselererte kraftig rundt 2024 – og omtrent doblet forbedringstakten sammenlignet med tidligere år (epoch.ai) (epoch.ai). I enkle termer kan AI-systemer nå løse problemer nesten dobbelt så raskt eller like godt som for bare et par år siden.

Hvorfor skjer dette? Siden 2010 har datakraften som brukes til å trene ledende AI-modeller, omtrent doblet seg hver sjette måned (medium.com), noe som skaper en 4–5 ganger vekst i datakraft per år. Treningsdatasett (som tekst eller bilder) har også eksplodert – datasett tredobles omtrent i størrelse hvert år (medium.com). Samtidig har modellstørrelser (antall parametere) doblet seg årlig. Disse tre trendene – massiv datakraft, massive data, massive modeller – kombineres for å skape det noen kaller en «trifecta» av rask AI-skalering (medium.com).

Resultatet er at kapasiteter ofte hopper i flokk. Avanserte AI-modeller som slet med grunnleggende resonneringsoppgaver for bare et par år siden, løser nå matematisk komplekse problemer, genererer realistiske bilder på forespørsel og deltar til og med i flytende medisinske kunnskapssamtaler. For eksempel har store språkmodeller (LLM-er) som OpenAI's GPT-serie vist plutselige sprang i evner ved spesifikke størrelsestærskler (medium.com). Hver nye generasjon (GPT-3 → GPT-4 → GPT-4.5, osv.) har overgått den forrige på et bredt spekter av referansepunkter. Spesialiserte systemer for syns- (bilde-) oppgaver har også skutt fart, med diffusjonsmodeller og nevrale nettverk som nå produserer realistiske bilder eller oppdager subtile mønstre med enestående nøyaktighet. Kort sagt er forbedringstakten ikke en langsom lineær stigning – den akselererer både i rådata og reell innvirkning (epoch.ai) (medium.com).

Viktig å merke seg: AI-fremskritt er konkrete og målbare, og de siste 2–3 årene har ytelsen på standard referansepunkter og praktiske oppgaver nesten doblet seg. Dette betyr at nye verktøy som var science fiction for et tiår siden, kommer raskere enn mange forventer.

AI i glaukombehandling i dag

Glaukom er en ledende årsak til irreversibelt synstap globalt, og det blir stadig tydeligere at AI kan hjelpe oss med å oppdage og håndtere det. Flere AI-drevne verktøy er allerede på vei inn i praksis eller er svært nære:

• AI-forbedret fundus- (netthinne-) fotografering: Smarttelefoner og håndholdte kameraer utstyrt med AI-programvare kan screene for glaukom. For eksempel brukte en klinisk studie fra 2023 et smarttelefon-funduskamera (kalt PMC+5) med en innebygd offline AI-modell (Medios AI-Glaucoma) og fant at den oppnådde 93,7 % sensitivitet og 85,6 % spesifisitet for å oppdage henvisningsverdig glaukom (pmc.ncbi.nlm.nih.gov). I den studien identifiserte AI-en korrekt 94 % av de sanne glaukomtilfellene den så, sammenlignet med bare 60 % av glaukomspesialister som så på de samme bildene. Dette tyder på at selv et smarttelefonkamera med moderat ytelse og AI kan gjøre det bemerkelsesverdig bra når det gjelder å flagge tidlig glaukom (pmc.ncbi.nlm.nih.gov).

• Synsfeltanalyse via AI: Et annet smarttelefonbasert eksempel er iGlaucoma, en app som analyserer data fra synsfeltprøver (Humphrey Field Analyzer-kartene) ved hjelp av dyp læring. I en stor studie publisert i npj Digital Medicine evaluerte iGlaucoma-systemet tusenvis av pasienters synsfelt og oppnådde et areal under kurven (AUC) på 0,966 for glaukomdeteksjon (med 95,4 % sensitivitet og 87,3 % spesifisitet) (www.nature.com). Enkelt sagt, denne AI-en kunne ta resultatene av en standard glaukom-synsfeltprøve og identifisere glaukom nesten like godt som eksperter, noe som bidro til å oppdage sykdom som ellers kunne ha blitt oversett. Den opererer via en smarttelefonapp og skybehandling, noe som gjør glaukomanalyse mer tilgjengelig.

• Klinisk studievurdering i primærhelsetjenesten: I 2025 rapporterte forskere en prospektiv studie («virkelighetsnær» studie) av et AI-drevet netthinnescreeningsystem på allmennlegekontorer (fastlegekontorer) i Australia (pmc.ncbi.nlm.nih.gov). Her fikk pasienter over 50 år som besøkte en fastlege, tatt ikke-mydriatiske fundusbilder med et automatisert kamera, som deretter ble analysert av en AI-algoritme for glaukomrisiko. AI-systemet oppnådde en AUROC på 0,80 (et godt mål på total nøyaktighet), med 65 % sensitivitet og 94,6 % spesifisitet (pmc.ncbi.nlm.nih.gov). I praksis betydde dette at av 161 pasienter som hadde glaukom, men ikke visste det, flagget AI-en korrekt 18 som trengte spesialistvurdering (11 %). Pasienter og klinikkpersonell fant systemet akseptabelt. Selv om sensitiviteten kan forbedres, viste studien at AI-screening fungerer i stor skala i primærhelsetjenesten (pmc.ncbi.nlm.nih.gov).

• Kommende screeningverktøy og godkjenninger: Et britisk selskap, iHealthScreen, har til og med patentert et AI-basert glaukom-screeningverktøy (kalt iPredict-Glaucoma) som analyserer standard fargefundusbilder. Ifølge deres kunngjøring produserer AI-en en rapport på under ett minutt og kan kategorisere pasienter som har henvisningsverdig glaukom versus ikke. De rapporterer om 94,3 % nøyaktighet ved identifisering av glaukom (eyewire.news). (Dette er ennå ikke FDA-godkjent, men det viser hvordan selskaper utvikler praktiske produkter akkurat nå.) I tillegg baner eksisterende AI-medisinsk utstyr for relaterte øyetilstander – som det FDA-godkjente IDx-DR-systemet for diabetisk retinopati-screening – vei for fremtidige AI-verktøy for glaukom.

Samlet sett, hva er allerede her? Tidlige brukere (hovedsakelig forsknings- og pilotprogrammer) har AI-verktøy som analyserer øyebilder eller synsfeltprøver. Disse kan raskt fremheve mistenkte glaukomtilfeller for øyehelsepersonell. På klinikken bruker noen leger nå kommersielle OCT-enheter (optisk koherens tomografi) som inkluderer innebygd AI-analyse (for tynning av netthinnens nervefiberlag, for eksempel). Og øyeavdelinger kan pilotere AI-programmer som sjekker pasientskanninger for bekymringsverdige endringer.

Fasit for pasienter: AI begynner allerede å hjelpe til med tidlig glaukom-screening og -diagnose. Du ser kanskje ikke «AI» på kontoret, men hvis legen din bruker digital bildebehandling, kan en AI-algoritme i det stille analysere netthinnen eller synsprøven din i bakgrunnen. I regioner med få ressurser eller i screeningprogrammer, legger smarttelefonbaserte AI-tester bokstavelig talt glaukomkontroller i håndflaten til en kliniker (glaucoma.org) (pmc.ncbi.nlm.nih.gov). Hvis du hører om nye glaukom-screeninger (f.eks. hos apoteket eller fastlegen din), spør om de bruker AI-forbedrede kameraer eller apper. Bevisene viser at disse verktøyene kan finne tilfeller som mennesker kan overse (pmc.ncbi.nlm.nih.gov) (www.nature.com).

Hva er det neste? AI i forskning og kliniske studier for glaukom

Fordi AI-utviklingen akselererer så raskt, er en strøm av nye verktøy for glaukombehandling underveis. Her er noen områder å følge med på:

• Progresjonsprediksjon: Forskere bruker AI til å forutsi hvilke pasienter som vil forverres raskere. For eksempel bygget en studie fra 2023 «overlevelses»-AI-modeller ved hjelp av årevis med pasientjournaler (EHR-data). Disse modellene forutsa om og når en glaukompasient ville trenge kirurgi. De beste modellene (dyp læring og tre-basert AI) oppnådde en konkordansindeks på rundt 0,77–0,80 (pubmed.ncbi.nlm.nih.gov), og overgikk eldre statistiske metoder. Dette betyr at AI en dag kunne fortelle en pasient og lege: «Sykdommen din vil sannsynligvis utvikle seg raskt de neste årene, så la oss vurdere tidligere intervensjon.» Slike AI-risikoscore kan personalisere oppfølging: hyppigere kontroller eller forebyggende behandling for høyrisikopasienter.

• Forbedring av testkvalitet: AI brukes også til å forbedre bildebehandlingen i seg selv. Noen grupper bruker dyp læring på gamle eller lavkvalitets OCT-skanninger (eller fundusbilder) for å «oppskalere» og støyredusere dem, og effektivt gjenopprette tapte detaljer (pmc.ncbi.nlm.nih.gov). Dette kan la klinikker bruke raskere eller billigere skanninger og likevel oppnå presis deteksjon av nerve-tynning. Det finnes til og med AI som kan justere en serie bilder over tid for å fremheve svært langsomme endringer i synsnervehodet som mennesker kan overse (pmc.ncbi.nlm.nih.gov).

• Integrasjon med andre data: Hybridmodeller er under utvikling som kombinerer bildebehandling med genetiske eller kliniske data. For eksempel trener studier AI på både netthinneskanninger og pasientrisikofaktorer (alder, øyetrykk, familiehistorie) for å forbedre prediksjonskraften (pmc.ncbi.nlm.nih.gov). Hvis vellykket, kan et fremtidig verktøy generere en «glaukomrisikoscore» for en pasient ved å behandle alle dataene deres samtidig.

• Forskning på synsrestaurering: Utover diagnose krysser AI veier med banebrytende behandlinger. Selv om det ennå ikke er tilgjengelig for glaukom, er det AI-innsats innen optogenetikk/nevronal protese og gentherapi som en dag kan bidra til å gjenopprette synet. For eksempel utvikler team «smarte bioniske øyne» som bruker AI til å optimalisere stimuleringsmønstre på netthinne- eller hjerneimplantater (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Et nylig laboratorie-gjennombrudd involverte et hjerneimplantat som kommuniserer begge veier med synskorteks: i eksperimenter gjenkjente blinde frivillige former og bokstaver i sanntid fordi det AI-kontrollerte implantatet tilpasset seg deres nevrale responser (neurosciencenews.com). Dette er svært tidlig forskning (for alvorlig synstap uansett årsak, ikke spesifikt for glaukom), men det viser hvordan AI-aktiverte synsproteser til slutt kan gi glaukompasienter noe funksjonelt syn tilbake dersom synsnerven er for skadet. AI brukes også i genterapidesign – for eksempel for å finne optimale virale leveringsveier eller nye molekylære mål i netthinneceller – noe som kan akselerere utviklingen av neste generasjons terapier for synsnervebeskyttelse.

• Nye enheter for pleie: Hold øye med nye produkter som kommer på markedet. Selskaper forbedrer AI-drevne kontaktlinser eller briller som kan justere fokus for synsfeltet, og potensielt hjelpe med perifert synstap. Telemedisinske verktøy vil bruke AI til å la spesialister evaluere glaukompasienter eksternt (for eksempel tar en pasient en felttest hjemme på et nettbrett, med AI som forhåndsscreening av resultatene). Robotiske kirurgiske verktøy veiledet av AI er også en fremvoksende idé, som kan gjøre visse glaukomkirurgi sikrere eller mer presise i fremtiden.

Oppsummert er senfaseutvikling og studier allerede i gang for flere glaukomapplikasjoner av AI. Forskere bør merke seg at vi innen få år kan se FDA (eller tilsvarende) godkjenninger for AI-baserte glaukomverktøy, akkurat som vi så tidligere for diabetisk retinopati. Glaukomspesialister og klinikere må snart integrere disse verktøyene i praksis – for eksempel ved å validere ytelsen til enhver ny AI på deres pasientpopulasjon før de stoler på den.

Synsrestaurering og banebrytende teknologi i horisonten

Ser vi lenger fremover, hvis dagens AI- og nevroteknologitrender fortsetter, fremstår et svært optimistisk syn på glaukombehandling: å beskytte og potensielt til og med gjenopprette synet for pasienter som ellers ville blitt blinde. Her er noen muligheter:

• Nevroprotesisk syn: Som nevnt ovenfor, er det banebrytende innen hjerne- og netthinneimplantater. Allerede finnes det netthinneimplantater (som Argus II) som elektrisk stimulerer netthinnen for å produsere grovt syn. Ny forskning kombinerer slike implantater med AI. For eksempel bemerket en gjennomgang fra 2025 at integrering av AI i bioniske øyne kunne optimalisere hvordan enheten stimulerer nevroner og forbedre det visuelle resultatet for brukeren (pmc.ncbi.nlm.nih.gov). Et nylig gjennombrudd implanterte elektroder direkte i synskorteks hos blinde frivillige, med lukket-sløyfe AI som justerte stimulering i sanntid. De frivillige kunne gjenkjenne mønstre og bokstaver, en første for enhver enhet utover bittesmå lysglimt (neurosciencenews.com). Hvis slike «toveis» AI-drevne implantater fortsetter å utvikle seg, er det tenkelig at vi i løpet av det neste tiåret kan ha enheter som tilbyr delvis funksjonelt syn selv til glaukompasienter i sluttstadiet (selv om klinisk bruk ville kreve mye mer testing).

• Smart medikamentutvikling: AI-modeller kan dramatisk akselerere funnet av nye glaukombehandlinger. For eksempel kan maskinlæring analysere genetiske data og netthinnecellebiologi for å identifisere nevroprotektive faktorer (stoffer som holder synsnervecellene i live). En studie brukte AI til å velge et lovende molekylært mål for et glaukommedikament (www.thebrighterside.news). Hvis denne forskningsretningen lykkes, kan vi se AI-akselerert nevroprotektive terapier under utvikling, med sikte på å stoppe nerveskade før synstap oppstår.

• Regenerative terapier veiledet av AI: Gentherapi og celleterapi for glaukom (som tar sikte på å regenerere eller styrke retinale ganglieceller) er også områder hvor AI kan hjelpe. AI kan assistere i design av genredigeringer eller stamcellebehandlinger som etterligner naturlig retinal signalisering. Selv om det fortsatt er spekulativt for glaukom, er den generelle trenden at AI-drevet biomedisinsk forskning avdekker nye måter å helbrede nerver og gjenopprette vev raskere enn før.

I hovedsak blir gjennombrudd som var science fiction – som delvis gjenoppretting av syn gjennom implantater eller skreddersydde genterapier – nå tenkelige. Vi må imidlertid være forsiktige: hvert skritt krever nøye kliniske studier. Disse avanserte terapiene er ikke her ennå, men AI er en av de muliggjørende teknologiene bak dem.

Virkelighetsnære scenarier: Hva pasienter og forskere bør følge med på

For å konkretisere dette, se på et par scenarier:

• Pasient scenario: Alice, 58, har nylig fått diagnosen tidlig glaukom. Ved hennes neste besøk bruker øyelegen hennes en AI-støttet OCT-skanning som fremhever mistenkelig tynning av nervefiberlaget. Legen forklarer at en AI-algoritme flagget et mønster som er i samsvar med progredierende sykdom, så Alice bør bruke øyedråpene sine flittig og komme tilbake om 6 måneder (i stedet for å vente et år). Senere leser Alice at en smarttelefon-screeningapp testes i nærliggende samfunnsklinikker; hun spør legen sin om hun kunne prøve den for å følge med på tilstanden sin hjemmefra. Legen forklarer at appen (validert i studier) kan registrere synsfelt eller øyebilder og gi en umiddelbar risikoscore for glaukom. Alice blir med i studien og laster opp månedlige tester på telefonen sin – appens AI bekrefter at sykdommen hennes forblir stabil, noe som gir henne ro i sjelen.

• Forsker scenario: Dr. Chen utvikler en studie om glaukomprogresjon. Da hun vet at AI blomstrer, samarbeider hun med datavitere for å bruke dyp læring på et stort offentlig datasett med OCT-skanninger og pasientresultater. De trener en modell for å forutsi hvilke pasienter som vil miste synet raskest, i håp om å identifisere nye bildebiomarkører. De sporer samtidig nye AI-øyelege-apper. Når en ny FDA-godkjent AI-enhet for glaukomscreening lanseres, planlegger Dr. Chen en liten studie for å sammenligne den med standardtester i klinikken sin. Hun deltar også på konferanser om AI innen øyelege for å sikre at søknadene hennes tar hensyn til automatiserte verktøy. Ved å holde seg informert posisjonerer Dr. Chen sin forskning til å utnytte AI-verktøy for raskere oppdagelser.

Fra disse eksemplene, hva man bør følge med på:

• Pasienter bør spørre om screeningalternativer. Hvor tilgjengelige er nye AI-aktiverte screeninger på din klinikk eller apotek? Hvis du ser reklame for AI-øyeprøver, spør om de er klinisk validert. Spør legen din om AI-verktøy (som smarttelefon-fundusbildebehandling) kan brukes for enklere overvåking.
• Pasienter bør også delta i studier eller dataregistre om mulig. Glaukomforskere trenger forskjellige pasientdata for å trene AI-modeller effektivt. Å delta i en studie (med passende samtykke) kan bidra til å bringe nye AI-verktøy på markedet.
• Forskere og klinikere bør holde seg oppdatert på AI-litteratur og retningslinjer. For eksempel gjennomgangsartikler om AI i glaukom eller delta på workshops om medisinsk AI. Vurder å samarbeide med AI-eksperter for å analysere dataene dine – teknikker som fungerte på bilder eller genetikk i andre sykdommer, overføres ofte til glaukomforskning.
• Både pasienter og behandlere bør være klar over begrensningene. AI-verktøy fungerer best når de er validert på pasienter som deg (lignende bakgrunn, bildebehandlingsenheter osv.). Spør alltid: «Har denne AI-en blitt testet på folk som meg?» eller «Hva er falsk positiv-raten?» Forstå at ingen verktøy er perfekte – AI er et hjelpemiddel, ikke en erstatning for ekspertvurdering.

Beskytte synet med AI: Spørsmål å stille pleieteamet ditt

Med disse fremskrittene er her spørsmål pasienter kan stille og skritt å ta:

• «Finnes det noen AI-baserte glaukom-screeningtester tilgjengelig for meg? Hvor nøyaktige er de?»
• «Bruker øyelegen min noen automatisert analyse av netthinneskanninger eller felt? Hva har de funnet i mitt tilfelle?»
• «Er det noen kliniske studier eller nye behandlinger (som nevroprotektive medisiner) jeg kan være kvalifisert for, spesielt de som involverer AI-verktøy?»
• «Bør jeg følge med på synsfeltet eller øyetrykket mitt med noen mobilapp? Hvis jeg utfører slik selvovervåking, kan AI-analyse hjelpe legen min?»

For forskere og klinikere:

• «Hvordan kan jeg inkludere AI-prediksjoner i min pasientbehandling? Trenger jeg nytt utstyr eller opplæring?»
• «Hvilke datasett er tilgjengelige for glaukom som jeg kan bruke til å trene eller teste en AI-modell?»
• «Hvor snart kan reguleringsorganer godkjenne AI-verktøy for glaukom, og hvordan vil forsikringen håndtere dem?»

Å være proaktiv – ved å lese pålitelige medisinske nyheter, delta på webinarer om øyehelse eller bli med i pasientorganisasjoner – vil hjelpe oss alle å dra nytte av AI-fremskrittene uten å bli hengende etter.

Konklusjon

AI-teknologien utvikler seg forbløffende raskt, med de siste årene som viser klare mangedobbelte fremskritt. For glaukom begynner vi allerede å se effekten: mer tilgjengelige screeninger, automatisert analyse av kliniske tester og smartere prediksjoner av sykdomsprogresjon. I de kommende årene kan vi forvente at AI-verktøy blir en del av rutine glaukombehandling, og bidrar til å oppdage sykdom og skreddersy behandlingen. Ser vi lenger fremover, muliggjør AI til og med forskning på synsrestaurering (gjennom proteser eller gentherapi) som dramatisk kan endre utsiktene for pasienter med alvorlig sykdom.

For pasienter betyr dette kraftigere måter å oppdage glaukom tidlig og overvåke det nøye. For forskere og klinikere betyr det nye verktøy for å forstå og bekjempe sykdommen. Å holde seg informert og stille de riktige spørsmålene vil hjelpe alle – pasienter og behandlere – med å posisjonere seg for å dra nytte av disse gjennombruddene. AI-æraen innen øyehelse har kommet, og for glaukom lover den intet mindre enn å transformere diagnose, behandling og kanskje til og med gjenopprette synet i fremtiden.

Kilder: Nyere studier og oversikter dokumenterer disse trendene og teknologiene (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov) (www.nature.com) (pubmed.ncbi.nlm.nih.gov) (neurosciencenews.com) (pmc.ncbi.nlm.nih.gov) (epoch.ai) (medium.com), blant andre.