Jak szybko faktycznie postępuje rozwój sztucznej inteligencji i co to oznacza dla pacjentów i badaczy jaskry?

Sztuczna inteligencja (AI) w ostatnich latach rozwija się w oszałamiającym tempie. Nowe modele AI wykonują zadania, które jeszcze niedawno wydawały się odległą przyszłością, a te skoki są widoczne w benchmarkach, produktach i przełomach badawczych w wielu dziedzinach – w tym w opiece okulistycznej. Ten artykuł analizuje konkretne miary postępu AI i tłumaczy, co oznaczają one dla opieki nad jaskrą i badań nad nią. Podkreślamy prawdziwe przykłady narzędzi AI, które już pomagają pacjentom, podsumowujemy, jakie nowe rozwiązania są na horyzoncie (od badań klinicznych po innowacje bliskiej przyszłości) i sugerujemy pytania, które pacjenci i badacze mogą zadać już dziś, aby przygotować się na jutrzejsze postępy.

Jak mierzy się postęp AI (i jak szybko rośnie)?

Badacze mierzą postęp AI poprzez wydajność w wymagających zadaniach (benchmarki) oraz śledząc udoskonalenia w projektowaniu modeli, danych i mocy obliczeniowej. W ciągu ostatnich kilku lat wszystkie te trzy czynniki gwałtownie wzrosły. Na przykład, jedna analiza wykazała, że „granica” możliwości AI gwałtownie przyspieszyła około 2024 roku – niemal podwajając tempo poprawy w porównaniu do lat poprzednich (epoch.ai) (epoch.ai). Mówiąc prościej, systemy AI potrafią teraz rozwiązywać problemy prawie dwa razy szybciej lub tak samo dobrze, jak zaledwie kilka lat temu.

Dlaczego tak się dzieje? Od 2010 roku moc obliczeniowa wykorzystywana do szkolenia wiodących modeli AI podwajała się mniej więcej co sześć miesięcy (medium.com), co skutkuje 4–5-krotnym wzrostem mocy obliczeniowej rocznie. Zbiory danych szkoleniowych (takie jak tekst czy obrazy) również eksplodują – ich rozmiar potraja się mniej więcej co roku (medium.com). Jednocześnie rozmiary modeli (liczba parametrów) podwajały się rocznie. Te trzy trendy – ogromna moc obliczeniowa, ogromne dane, ogromne modele – łączą się, tworząc to, co niektórzy nazywają „tryptykiem” szybkiego skalowania AI (medium.com).

W rezultacie możliwości często pojawiają się gwałtownie. Najnowocześniejsze modele AI, które jeszcze kilka lat temu miały trudności z podstawowymi zadaniami rozumowania, teraz rozwiązują złożone problemy matematyczne, generują realistyczne obrazy na żądanie, a nawet angażują się w płynne rozmowy na temat wiedzy medycznej. Na przykład, duże modele językowe (LLM), takie jak seria GPT firmy OpenAI, wykazały nagłe skoki w zdolnościach na określonych progach rozmiaru (medium.com). Każda nowa generacja (GPT-3 → GPT-4 → GPT-4.5 itd.) przewyższała poprzednią w szerokim zakresie benchmarków. Specjalistyczne systemy do zadań wizyjnych (obrazów) również gwałtownie się rozwinęły, a modele dyfuzyjne i sieci neuronowe produkują teraz realistyczne obrazy lub wykrywają subtelne wzorce z niespotykaną dotąd dokładnością. Krótko mówiąc, tempo poprawy nie jest powolnym, liniowym wzrostem – ono przyspiesza zarówno w surowych metrykach, jak i w rzeczywistym wpływie (epoch.ai) (medium.com).

Kluczowa wskazówka: Postęp AI jest konkretny i mierzalny, a w ciągu ostatnich 2–3 lat wydajność w standardowych benchmarkach i praktycznych zadaniach prawie podwoiła się. Oznacza to, że nowe narzędzia, które dekadę temu były science fiction, pojawiają się szybciej, niż wielu się spodziewa.

AI w opiece nad jaskrą dzisiaj

Jaskra jest główną przyczyną nieodwracalnej utraty wzroku na całym świecie, a coraz jaśniej widać, że AI może pomóc nam ją wykrywać i zarządzać nią. Kilka narzędzi opartych na AI już wkracza do praktyki lub jest blisko tego:

• Fotografia dna oka (siatkówki) wzmocniona AI: Smartfony i przenośne kamery wyposażone w oprogramowanie AI mogą służyć do przesiewowego badania jaskry. Na przykład, badanie kliniczne z 2023 roku wykorzystało kamerę do fotografii dna oka w smartfonie (nazwaną PMC+5) z wbudowanym, offline modelem AI (Medios AI-Glaucoma) i stwierdzono, że osiągnęła ona 93,7% czułości i 85,6% swoistości w wykrywaniu jaskry wymagającej skierowania (pmc.ncbi.nlm.nih.gov). W tym badaniu AI prawidłowo zidentyfikowała 94% prawdziwych przypadków jaskry, które zobaczyła, w porównaniu do zaledwie 60% przez specjalistów jaskry oglądających te same obrazy. Sugeruje to, że nawet umiarkowanie zaawansowana kamera w smartfonie z AI może nadzwyczaj dobrze sobie radzić z sygnalizowaniem wczesnej jaskry (pmc.ncbi.nlm.nih.gov).

• Analiza pola widzenia za pomocą AI: Innym przykładem opartym na smartfonie jest iGlaucoma, aplikacja, która analizuje dane z testów pola widzenia (wykresy Humphrey Field Analyzer) za pomocą głębokiego uczenia. W dużym badaniu opublikowanym w npj Digital Medicine, system iGlaucoma ocenił pola widzenia tysięcy pacjentów i osiągnął pole pod krzywą (AUC) na poziomie 0,966 dla wykrywania jaskry (z 95,4% czułością i 87,3% swoistością) (www.nature.com). Mówiąc prościej, ta AI mogła wziąć wyniki standardowego testu pola widzenia pod kątem jaskry i zidentyfikować jaskrę prawie tak dobrze jak eksperci, pomagając wykryć chorobę, która mogłaby zostać przeoczona. Działa za pośrednictwem aplikacji na smartfonie i przetwarzania w chmurze, co czyni analizę jaskry bardziej dostępną.

• Dowody z badań klinicznych w podstawowej opiece zdrowotnej: W 2025 roku badacze zgłosili prospektywne badanie (badanie „w warunkach rzeczywistych”) systemu przesiewowego siatkówki opartego na AI w gabinetach lekarzy rodzinnych (GP) w Australii (pmc.ncbi.nlm.nih.gov). Tutaj pacjentom powyżej 50. roku życia odwiedzającym GP wykonano niemydriatyczne zdjęcia dna oka za pomocą automatycznej kamery, które następnie zostały przeanalizowane przez algorytm AI pod kątem ryzyka jaskry. System AI osiągnął AUROC 0,80 (dobrą miarę ogólnej dokładności), z 65% czułością i 94,6% swoistością (pmc.ncbi.nlm.nih.gov). W praktyce oznaczało to, że spośród 161 pacjentów, którzy mieli jaskrę, ale o tym nie wiedzieli, AI prawidłowo oznaczyła 18 jako wymagających konsultacji specjalistycznej (11%). Pacjenci i personel kliniki uznali system za akceptowalny. Chociaż czułość może się poprawić, badanie wykazało, że przesiewowe badanie AI działa na dużą skalę w warunkach podstawowej opieki zdrowotnej (pmc.ncbi.nlm.nih.gov).

• Nadchodzące narzędzia przesiewowe i zatwierdzenia: Jedna brytyjska firma, iHealthScreen, opatentowała nawet narzędzie do przesiewowego badania jaskry oparte na AI (nazwane iPredict-Glaucoma), które analizuje standardowe kolorowe obrazy dna oka. Zgodnie z ich ogłoszeniem, AI generuje raport w mniej niż minutę i może kategoryzować pacjentów jako mających jaskrę wymagającą skierowania lub nie. Zgłaszają około 94,3% dokładności w identyfikacji jaskry (eyewire.news). (Nie jest to jeszcze zatwierdzone przez FDA, ale pokazuje, jak firmy rozwijają praktyczne produkty już teraz.) Dodatkowo, istniejące medyczne urządzenia AI do pokrewnych chorób oczu – takie jak zatwierdzony przez FDA system IDx-DR do przesiewowego badania retinopatii cukrzycowej – torują drogę regulacyjną dla przyszłych narzędzi AI do jaskry.

Podsumowując, co już mamy? Pierwsi użytkownicy (głównie programy badawcze i pilotażowe) mają narzędzia AI, które analizują zdjęcia oka lub testy pola widzenia. Mogą one szybko wskazywać podejrzanych o jaskrę specjalistom okulistyki. W klinice niektórzy lekarze używają teraz komercyjnych urządzeń OCT (optycznej koherentnej tomografii), które zawierają wbudowane analizy AI (na przykład dla ścieńczenia warstwy włókien nerwowych siatkówki). A szpitale okulistyczne mogą pilotażowo wdrażać programy AI, które sprawdzają skany pacjentów pod kątem niepokojących zmian.

Ważne dla pacjentów: AI już zaczyna pomagać we wczesnym przesiewie i diagnozie jaskry. Możesz nie widzieć „AI” w gabinecie, ale jeśli Twój lekarz używa obrazowania cyfrowego, algorytm AI może cicho analizować Twoją siatkówkę lub test wzroku w tle. W regionach o ograniczonych zasobach lub w programach przesiewowych, testy AI oparte na smartfonach dosłownie umożliwiają sprawdzanie jaskry w dłoni klinicysty (glaucoma.org) (pmc.ncbi.nlm.nih.gov). Jeśli usłyszysz o nowych badaniach przesiewowych w kierunku jaskry (np. u farmaceuty lub w podstawowej opiece zdrowotnej), zapytaj, czy używają kamer lub aplikacji wzmocnionych AI. Dowody pokazują, że te narzędzia mogą wykrywać przypadki, które ludzie mogliby przeoczyć (pmc.ncbi.nlm.nih.gov) (www.nature.com).

Co dalej? AI w badaniach i próbach klinicznych dotyczących jaskry

Ponieważ rozwój AI przyspiesza tak szybko, pojawia się szereg nowych narzędzi do opieki nad jaskrą. Oto kilka obszarów, które warto obserwować:

• Przewidywanie progresji: Badacze wykorzystują AI do prognozowania, którzy pacjenci pogorszą się szybciej. Na przykład, badanie z 2023 roku zbudowało modele AI „przeżycia” wykorzystujące lata historii choroby pacjentów (dane z elektronicznych kart zdrowia). Modele te przewidywały, czy i kiedy pacjent z jaskrą będzie potrzebował operacji. Najlepsze modele (głębokie uczenie i AI oparte na drzewach) osiągnęły wskaźnik zgodności około 0,77–0,80 (pubmed.ncbi.nlm.nih.gov), przewyższając starsze metody statystyczne. Oznacza to, że AI mogłaby pewnego dnia powiedzieć pacjentowi i lekarzowi: „Twoja choroba prawdopodobnie będzie szybko postępować w ciągu najbliższych kilku lat, więc rozważmy wcześniejszą interwencję”. Takie wyniki ryzyka AI mogłyby spersonalizować dalsze postępowanie: częstsze kontrole lub prewencyjne leczenie dla pacjentów wysokiego ryzyka.

• Poprawa jakości testów: AI jest również wykorzystywana do ulepszania samego obrazowania. Niektóre grupy stosują głębokie uczenie do starych lub niskiej jakości skanów OCT (lub zdjęć dna oka), aby je „podwyższyć” i odszumić, skutecznie odzyskując utracone szczegóły (pmc.ncbi.nlm.nih.gov). To mogłoby pozwolić klinikom na używanie szybszych lub tańszych skanów i nadal uzyskiwać precyzyjne wykrywanie ścieńczenia nerwów. Istnieje nawet AI, która może wyrównywać serię obrazów w czasie, aby podkreślić bardzo powolne zmiany w tarczy nerwu wzrokowego, które ludzie mogliby przeoczyć (pmc.ncbi.nlm.nih.gov).

• Integracja z innymi danymi: Opracowywane są modele hybrydowe, które łączą obrazowanie z danymi genetycznymi lub klinicznymi. Na przykład, badania szkolą AI zarówno na skanach siatkówki, jak i czynnikach ryzyka pacjentów (wiek, ciśnienie w oku, historia rodzinna), aby poprawić moc predykcyjną (pmc.ncbi.nlm.nih.gov). Jeśli się to powiedzie, przyszłe narzędzie mogłoby generować „wynik ryzyka jaskry” dla pacjenta, przetwarzając wszystkie jego dane jednocześnie.

• Badania nad przywracaniem wzroku: Poza diagnozą, AI styka się z najnowocześniejszymi metodami leczenia. Chociaż nie są jeszcze dostępne dla jaskry, istnieją wysiłki AI w optogenetyce/protezach neuronalnych i terapii genowej, które pewnego dnia mogłyby pomóc przywrócić wzrok. Na przykład, zespoły rozwijają „inteligentne bioniczne oczy”, które wykorzystują AI do optymalizacji wzorców stymulacji na implantach siatkówkowych lub mózgowych (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Ostatni przełom laboratoryjny obejmował implant mózgowy, który komunikuje się dwustronnie z korą wzrokową: w eksperymentach niewidomi ochotnicy rozpoznawali kształty i litery w czasie rzeczywistym, ponieważ implant sterowany AI dostosowywał się do ich reakcji neuronalnych (neurosciencenews.com). Jest to bardzo wczesne stadium badań (dla ciężkiej utraty wzroku z jakiejkolwiek przyczyny, nie specyficzne dla jaskry), ale pokazuje, jak protezy wzroku wspomagane AI mogłyby ostatecznie przywrócić pacjentom z jaskrą pewną funkcjonalną widzenie, jeśli nerw wzrokowy jest zbyt uszkodzony. Ponadto AI jest wykorzystywana w projektowaniu terapii genowej – na przykład do znajdowania optymalnych dróg dostarczania wirusów lub nowych celów molekularnych w komórkach siatkówki – co mogłoby przyspieszyć rozwój terapii nowej generacji w celu ochrony nerwu wzrokowego.

• Nowe urządzenia do świadczenia opieki: Warto obserwować nowe produkty wchodzące na rynek. Firmy udoskonalają soczewki kontaktowe lub okulary napędzane AI, które mogą dostosowywać ostrość dla pola widzenia, potencjalnie pomagając w przypadku utraty widzenia peryferyjnego. Narzędzia telemedycyny będą wykorzystywać AI, aby specjaliści mogli zdalnie oceniać pacjentów z jaskrą (na przykład, pacjent wykonuje test pola widzenia w domu na tablecie, z wstępnym przesiewem wyników przez AI). Narzędzia chirurgiczne robotyczne kierowane przez AI to również pojawiający się pomysł, który mógłby w przyszłości uczynić niektóre operacje jaskry bezpieczniejszymi lub bardziej precyzyjnymi.

Podsumowując, późne etapy rozwoju i badań są już w toku dla kilku zastosowań AI w jaskrze. Badacze powinni zwrócić uwagę, że w ciągu kilku lat możemy spodziewać się zatwierdzeń FDA (lub równoważnych) dla narzędzi AI opartych na jaskrze, podobnie jak wcześniej dla retinopatii cukrzycowej. Specjaliści i klinicyści zajmujący się jaskrą będą wkrótce musieli włączyć te narzędzia do praktyki – na przykład, poprzez walidację wydajności każdej nowej AI w populacji ich pacjentów, zanim na niej polegają.

Przywracanie wzroku i przełomowe technologie na horyzoncie

Patrząc dalej w przyszłość, jeśli obecne trendy w AI i neuroinżynierii będą kontynuowane, wyłania się bardzo optymistyczna wizja leczenia jaskry: ochrona i potencjalnie nawet przywracanie wzroku pacjentom, którzy w innym przypadku byliby niewidomi. Oto kilka możliwości:

• Wizja neuroprotetyczna: Jak wspomniano powyżej, najnowocześniejsze rozwiązania to implanty mózgowe i siatkówkowe. Istnieją już implanty siatkówkowe (takie jak Argus II), które elektrycznie stymulują siatkówkę, aby wytworzyć prymitywne widzenie. Nowe badania łączą takie implanty z AI. Na przykład, przegląd z 2025 roku zauważył, że integracja AI z bionicznymi oczami może optymalizować sposób, w jaki urządzenie stymuluje neurony i poprawiać wyniki wizualne dla użytkownika (pmc.ncbi.nlm.nih.gov). Jeden z ostatnich przełomów polegał na wszczepieniu elektrod bezpośrednio do kory wzrokowej niewidomych ochotników, z zamkniętą pętlą AI, która dostosowywała stymulację w czasie rzeczywistym. Ochotnicy byli w stanie rozpoznawać wzory i litery, co jest pierwszym osiągnięciem dla jakiegokolwiek urządzenia poza drobnymi błyskami światła (neurosciencenews.com). Jeśli takie „dwukierunkowe” implanty sterowane AI będą nadal się rozwijać, to jest możliwe, że w ciągu najbliższej dekady będziemy mieć urządzenia oferujące częściowe funkcjonalne widzenie nawet pacjentom z jaskrą w końcowym stadium (chociaż zastosowanie kliniczne wymagałoby znacznie więcej testów).

• Inteligentne opracowywanie leków: Modele AI mogą dramatycznie przyspieszyć znajdowanie nowych metod leczenia jaskry. Na przykład, uczenie maszynowe może analizować dane genetyczne i biologię komórek siatkówki w celu identyfikacji czynników neuroprotekcyjnych (substancji, które utrzymują przy życiu komórki nerwu wzrokowego). Jedno badanie wykorzystało AI do wyboru obiecującego celu molekularnego dla leku na jaskrę (www.thebrighterside.news). Jeśli ten kierunek badań się powiedzie, możemy zobaczyć rozwój terapii neuroprotekcyjnych przyspieszonych przez AI, mających na celu zatrzymanie uszkodzenia nerwów zanim nastąpi utrata wzroku.

• Terapie regeneracyjne kierowane przez AI: Terapia genowa i terapia komórkowa dla jaskry (mające na celu regenerację lub wzmocnienie komórek zwojowych siatkówki) to również obszary, w których AI mogłaby pomóc. AI mogłaby wspomóc projektowanie edycji genów lub leczenia komórkami macierzystymi, które naśladują naturalne sygnały siatkówki. Chociaż nadal spekulatywne dla jaskry, ogólny trend jest taki, że badania biomedyczne napędzane AI odkrywają nowe sposoby leczenia nerwów i odbudowy tkanek szybciej niż kiedykolwiek wcześniej.

W zasadzie, przełomy, które były science fiction – jak częściowe przywracanie wzroku poprzez implanty czy spersonalizowane terapie genowe – stają się realne. Musimy jednak zachować ostrożność: każdy krok wymaga dokładnych badań klinicznych. Te zaawansowane terapie nie są jeszcze dostępne, ale AI jest jedną z technologii, które je umożliwiają.

Scenariusze z życia wzięte: Na co powinni zwracać uwagę pacjenci i naukowcy

Aby to uściślić, rozważmy kilka scenariuszy:

• Scenariusz pacjenta: Alice, lat 58, ma nowo zdiagnozowaną wczesną jaskrę. Podczas kolejnej wizyty jej okulista używa skanu OCT wspieranego przez AI, który podkreśla podejrzane ścieńczenie warstwy włókien nerwowych. Lekarz wyjaśnia, że algorytm AI wskazał wzorzec zgodny z postępującą chorobą, więc Alice powinna sumiennie używać kropli do oczu i wrócić za 6 miesięcy (zamiast czekać rok). Później Alice czyta, że w pobliskich klinikach społecznych testowana jest aplikacja do przesiewowego badania na smartfonie; pyta swojego lekarza, czy mogłaby ją wypróbować, aby monitorować swój stan z domu. Lekarz wyjaśnia, że aplikacja (zweryfikowana w badaniach) może rejestrować pola widzenia lub zdjęcia oka i od razu podawać wynik ryzyka jaskry. Alice dołącza do badania i co miesiąc przesyła wyniki testów ze swojego telefonu – AI w aplikacji potwierdza, że jej choroba pozostaje stabilna, dając jej spokój ducha.

• Scenariusz badacza: Dr Chen prowadzi badania nad progresją jaskry. Wiedząc, że AI kwitnie, współpracuje z informatykami, aby wykorzystać głębokie uczenie na dużej, publicznie dostępnej bazie danych skanów OCT i wyników pacjentów. Szkolą model do przewidywania, którzy pacjenci najszybciej stracą wzrok, mając nadzieję na zidentyfikowanie nowych biomarkerów obrazowania. Jednocześnie śledzą nowe aplikacje okulistyczne AI. Kiedy zostanie wydane nowe, zatwierdzone przez FDA urządzenie AI do przesiewowego badania jaskry, Dr Chen planuje małe badanie, aby porównać je ze standardowymi testami w swojej klinice. Uczestniczy również w konferencjach na temat AI w okulistyce, aby upewnić się, że jej wnioski o granty uwzględniają zautomatyzowane narzędzia. Pozostając na bieżąco, Dr Chen pozycjonuje swoje badania tak, aby wykorzystać narzędzia AI do szybszych odkryć.

Z tych przykładów, na co zwracać uwagę:

• Pacjenci powinni pytać o opcje przesiewowe. Jak dostępne są nowe badania przesiewowe wspomagane AI w Twojej klinice lub aptece? Jeśli widzisz reklamy testów okulistycznych AI, zapytaj, czy są one klinicznie zweryfikowane. Zapytaj swojego lekarza, czy narzędzia AI (takie jak obrazowanie dna oka smartfonem) mogą być używane do łatwiejszego monitorowania.
• Pacjenci powinni również, jeśli to możliwe, uczestniczyć w badaniach klinicznych lub rejestrach danych. Badacze jaskry potrzebują różnorodnych danych pacjentów, aby skutecznie szkolić modele AI. Dołączenie do badania (za odpowiednią zgodą) może pomóc we wprowadzeniu nowych narzędzi AI na rynek.
• Badacze i klinicyści powinni być na bieżąco z literaturą i wytycznymi dotyczącymi AI. Na przykład, przeglądać artykuły na temat AI w jaskrze lub uczestniczyć w warsztatach na temat medycznej AI. Rozważyć współpracę z ekspertami AI w celu analizy danych – techniki, które sprawdziły się w obrazach lub genetyce w innych chorobach, często przenoszą się na badania nad jaskrą.
• Zarówno pacjenci, jak i świadczeniodawcy powinni być świadomi ograniczeń. Narzędzia AI działają najlepiej, gdy są walidowane na pacjentach podobnych do Ciebie (podobne pochodzenie, urządzenia do obrazowania itp.). Zawsze pytaj: „Czy ta AI została przetestowana na osobach takich jak ja?” lub „Jaki jest wskaźnik fałszywie pozytywnych wyników?” Zrozum, że żadne narzędzie nie jest doskonałe – AI jest pomocą, a nie zastępstwem dla osądu eksperta.

Ochrona wzroku dzięki AI: Pytania do zespołu opieki

W obliczu tych postępów, oto pytania, które pacjenci mogą zadać i kroki, które należy podjąć:

• „Czy są dostępne dla mnie jakiekolwiek testy przesiewowe na jaskrę oparte na AI? Jak dokładne są?”
• „Czy mój okulista używa jakiejkolwiek automatycznej analizy skanów siatkówki lub pól widzenia? Co znaleziono w moim przypadku?”
• „Czy istnieją jakieś badania kliniczne lub nowe metody leczenia (takie jak leki neuroprotekcyjne), do których mógłbym się kwalifikować, zwłaszcza te z wykorzystaniem narzędzi AI?”
• „Czy powinienem śledzić moje pola widzenia lub ciśnienie w oku za pomocą jakiejś aplikacji mobilnej? Jeśli będę prowadził takie samokontrola, czy analiza AI mogłaby pomóc mojemu lekarzowi?”

Dla badaczy i klinicystów:

• „Jak mogę włączyć prognozy AI do opieki nad pacjentem? Czy potrzebuję nowego sprzętu lub szkolenia?”
• „Jakie zbiory danych są dostępne dla jaskry, które mógłbym wykorzystać do szkolenia lub testowania modelu AI?”
• „Jak szybko organy regulacyjne mogą zatwierdzić narzędzia AI do jaskry i jak ubezpieczenie będzie je obsługiwać?”

Zachowanie proaktywności – czytanie wiarygodnych wiadomości medycznych, uczestnictwo w webinarach dotyczących zdrowia oczu lub dołączanie do grup rzecznictwa pacjentów – pomoże nam wszystkim skorzystać z postępów AI, nie pozostając w tyle.

Podsumowanie

Technologia AI postępuje zadziwiająco szybko, a ostatnie lata pokazują wyraźne wielokrotne zyski. W przypadku jaskry już zaczynamy dostrzegać wpływ: bardziej dostępne badania przesiewowe, zautomatyzowana analiza testów klinicznych i inteligentniejsze prognozy progresji choroby. W nadchodzących latach możemy spodziewać się, że narzędzia AI staną się częścią rutynowej opieki nad jaskrą, pomagając wykrywać odwarstwienie i dostosowywać leczenie. Patrząc dalej w przyszłość, AI umożliwia nawet badania nad przywracaniem wzroku (za pomocą protez lub terapii genowej), co mogłoby dramatycznie zmienić perspektywy dla pacjentów z ciężką chorobą.

Dla pacjentów oznacza to potężniejsze sposoby wczesnego wykrywania jaskry i ścisłego jej monitorowania. Dla badaczy i klinicystów oznacza to nowe narzędzia do zrozumienia i zwalczania choroby. Bycie poinformowanym i zadawanie właściwych pytań pomoże wszystkim – pacjentom i świadczeniodawcom – przygotować się na skorzystanie z tych przełomów. Era AI w opiece okulistycznej nadeszła, a dla jaskry obiecuje nic mniej niż transformację diagnozy, leczenia, a być może nawet przywrócenie wzroku w przyszłości.

Źródła: Najnowsze badania i przeglądy dokumentują te trendy i technologie (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), między innymi.