Введение

Глаукома – это группа глазных заболеваний, повреждающих зрительный нерв и способных привести к необратимой слепоте. Часто называемая «молчаливым похитителем зрения», глаукома поражает миллионы людей по всему миру. По оценкам, к 2040 году глаукомой будет страдать 111,8 миллиона человек (medicalxpress.com). Раннее выявление и лечение критически важны, поскольку потерю зрения невозможно полностью восстановить. Именно здесь искусственный интеллект (ИИ) начинает играть важную роль: анализируя изображения глаз и данные тестов, ИИ может помочь более эффективно проводить скрининг, диагностику и мониторинг глаукомы. В этой статье мы исследуем, как ИИ применяется сегодня в лечении глаукомы – приводя реальные инструменты и исследования – и рассматриваем новые возможности, особенно в исследованиях по восстановлению зрения. Мы сосредоточимся на доказанных результатах (например, чувствительность и специфичность инструментов ИИ) и на конкретных будущих применениях, предоставляя практические рекомендации как для пациентов, так и для исследователей.

ИИ в текущем скрининге и диагностике глаукомы

Анализ изображений со смартфонов и фундус-изображений

Одно из основных применений ИИ сегодня – это автоматический анализ фундус-фотографий (изображений сетчатки) для скрининга глаукомы. Исследовательские группы объединили портативные фундус-камеры или насадки для смартфонов с классификаторами ИИ для выявления глаукоматозных дисков зрительного нерва. Например, недавнее проспективное исследование в Индии протестировало автономную модель ИИ, встроенную в фундус-камеру для смартфона (Medios AI-Glaucoma на устройстве Remidio FOP NM-10). Эта система выявляла пациентов, нуждающихся в направлении («реферабельная глаукома»), с примерно 94% чувствительностью и 86% специфичностью по сравнению с полным клиническим обследованием (pmc.ncbi.nlm.nih.gov). В цифрах, ИИ правильно идентифицировал 93,7% истинных случаев глаукомы и правильно исключил 85,6% случаев, не являющихся глаукомой (pmc.ncbi.nlm.nih.gov). Такая высокая точность показывает, что скрининг на основе ИИ со смартфона может надежно выявлять пациентов с изменениями диска зрительного нерва, характерными для глаукомы.

Другое исследование использовало аналогичную комбинацию ИИ и камеры для всех степеней тяжести глаукомы. Было обнаружено, что ИИ достиг 91,4% чувствительности и 94,1% специфичности для выявления глаукомы или подозрительных случаев (pmc.ncbi.nlm.nih.gov). Производительность была несколько ниже для очень ранней стадии заболевания (около 87% чувствительности) и самой высокой для запущенных случаев (96% чувствительности) (pmc.ncbi.nlm.nih.gov). Эти результаты получены в амбулаторных клиниках и показывают, что инструменты ИИ могут сравниться с осмотрами специалистов в выявлении подозрительных глаз. Они также подчеркивают, что ИИ часто предпочитает перестраховаться, отмечая легкие или подозрительные случаи; в одном исследовании большинство ложноположительных результатов были глазами, классифицированными специалистами как «подозрение на диск зрительного нерва» (pmc.ncbi.nlm.nih.gov). Такой консервативный подход помогает избежать пропуска истинного заболевания ценой дополнительных направлений.

Коммерческие и исследовательские группы уже разрабатывают такие системы. Например, система Medios AI-Glaucoma (Remidio, Индия/Сингапур) интегрируется с фундус-камерой смартфона и показала вышеупомянутые результаты (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Другие платформы ИИ (например, BegIA) используют изображения со смартфонов для оценки соотношения экскавации к диску зрительного нерва или даже анализируют изображения лица на предмет аномалий глаз (glaucoma.org). В одной клинической оценке приложение для смартфона показало площадь под кривой (AUC) 0,966 для обнаружения глаукомы, с чувствительностью 95,4% и специфичностью 87,3% (glaucoma.org).

Телемедицина и удаленный скрининг

Приложения с поддержкой ИИ также используются в телемедицине для выявления глаукомы. Например, облачная платформа iPredict запускает ИИ для загруженных фундус-изображений. В реальном испытании этот телемедицинский инструмент достиг около 89,7% точности (83,3% чувствительности, 93,9% специфичности) в выявлении подозрительных на глаукому случаев по фотографиям сетчатки (pmc.ncbi.nlm.nih.gov). ИИ классифицировал диски зрительного нерва на «подозрение на глаукому» и «норма» путем измерения вертикального соотношения экскавации к диску, совпадая с оценками экспертов в 93,9% случаев (pmc.ncbi.nlm.nih.gov). Система показала 100% совпадение между очным и дистанционным оцениванием, обработанным ИИ, для тестового набора (pmc.ncbi.nlm.nih.gov). Это означает, что пациент в сельской клинике может получить результат скрининга в реальном времени с помощью ИИ, с немедленной рекомендацией о направлении, если это необходимо. Такие платформы делают скрининг более доступным и последовательным, особенно в недостаточно обслуживаемых районах (glaucoma.org) (pmc.ncbi.nlm.nih.gov).

ОКТ, поля зрения и интеграция данных

Помимо фотографий, ИИ применяется и к другим тестам на глаукому. Модели глубокого обучения могут сегментировать сканы оптической когерентной томографии (ОКТ) для измерения толщины слоя нервных волокон сетчатки (СНВС) или характеристик диска зрительного нерва. Они также могут анализировать тесты полей зрения (ПЗ) на предмет незаметного прогрессирования. Например, сверточные нейронные сети были обучены различать глаукоматозные паттерны на картах ПЗ. Другие инструменты ИИ объединяют несколько источников данных – показатели давления, ОКТ, ПЗ, анамнез пациента – для расчета показателей риска глаукомы. Хотя многие из них находятся в стадии разработки или ранних испытаний, они обещают помочь клиницистам, выявляя пациентов, чье заболевание может ухудшиться и потребовать более тщательного ухода. Один обзор сообщает о системах глубокого обучения, которые успешно предсказывают будущую потерю ПЗ на несколько лет вперед, обучаясь на предыдущих сериях ПЗ (pmc.ncbi.nlm.nih.gov). Эти передовые методы до сих пор тестировались на ретроспективных данных, что указывает на возможность ИИ прогнозировать прогрессирование заболевания, но они еще не стали рутинной практикой.

Измеримое влияние и эффективность на практике

Несколько исследований демонстрируют ощутимую эффективность инструментов ИИ в условиях, приближенных к клиническим. Как отмечалось, ИИ на базе смартфона-фундус-камеры достиг ~91-94% чувствительности и ~86-94% специфичности в больших когортах пациентов (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Телемедицинский проект ИИ сообщил об общей точности ~89,7% (pmc.ncbi.nlm.nih.gov). Это впечатляющие цифры – в исследовательских условиях ИИ уже на одном уровне с обученными офтальмологами по отбору для скрининга. Важно отметить, что некоторые ложноотрицательные результаты были лишь легкой начальной глаукомой, в то время как ложноположительные, как правило, были «подозрениями на диск зрительного нерва», а не четко нормальными глазами (pmc.ncbi.nlm.nih.gov).

Не менее важно и внедрение. Системы, такие как Medios и модель iPredict, развертываются в некоторых частях Индии и других регионах для скрининга населения. Хотя подробные данные о внедрении только появляются, первоначальные отчеты (например, программы Remidio по охвату) свидетельствуют о том, что сотни клиник используют камеры с поддержкой ИИ. ИИ также проникает в рабочие станции больниц: несколько производителей устройств ОКТ интегрируют функции сегментации и анализа с помощью ИИ для выявления истончения СНВС или прогнозирования потери СНВС. В академической среде многие клиники сейчас тестируют модели ИИ на существующих данных для уточнения диагностики.

Тем не менее, внедрение в западной клинической практике все еще ограничено регуляторным одобрением и интеграцией в рабочий процесс. Ни один одобренный FDA ИИ еще не является стандартом для скрининга глаукомы (в отличие от диабетической ретинопатии, где существуют системы ИИ, такие как IDx). Однако многообещающие полевые испытания и рецензируемые подтверждения указывают на быстрый прогресс. Поскольку скрининг глаукомы с помощью ИИ имеет явную пользу для общественного здравоохранения (выявление заболевания до потери зрения), мы можем ожидать, что некоторые из этих инструментов получат разрешение регулирующих органов в ближайшие несколько лет.

Новые приложения ИИ: что дальше

Прогностическая аналитика и персонализированное лечение

Следующая волна ИИ в глаукоме будет сосредоточена на прогнозировании и персонализации. Модели машинного обучения могут комбинировать клинические, визуализационные и генетические данные для прогнозирования индивидуального риска потери зрения или перехода от глазной гипертензии к глаукоме (pmc.ncbi.nlm.nih.gov). Например, нейронные сети, обученные на медицинских картах пациентов, предположительно идентифицируют тех, у кого с наибольшей вероятностью будет прогрессировать заболевание. В ближайшие годы такие системы могут помочь врачам адаптировать агрессивность лечения. Представьте себе оценку ИИ, которая учитывает ВГД, толщину роговицы, этническую принадлежность, семейный анамнез и многое другое для расчета оценки «времени до слепоты» – это поможет приоритизировать терапию. Сейчас существуют большие наборы данных (из биобанков и глазных больниц), поэтому ИИ может изучать сложные закономерности, выходящие за рамки простых факторов риска.

Мониторинг глаукомы и домашнее тестирование

ИИ также может произвести революцию в мониторинге. Разрабатываются носимые датчики внутриглазного давления (ВГД) или умные контактные линзы, и ИИ может анализировать их непрерывные данные, чтобы предупреждать пациентов об опасных скачках. Аналогично, улучшаются приложения для измерения полей зрения на смартфонах (например, приложения, которые проецируют периметрические графики на телефон). В сочетании с ИИ они могут стать домашними тестами на глаукому. Пациенты могут однажды самостоятельно проводить быстрые офтальмологические обследования дома, а приложение будет использовать ИИ для обнаружения новых изменений и информирования их врача, вместо посещения клиники. Ранние прототипы домашних тонометров и тестов зрения существуют, но ИИ-анализ сделает их клинически полезными, обеспечивая надежность и выявляя реальное ухудшение.

Планирование операций и прогнозирование результатов

Хирургические вмешательства (трабекулэктомия, шунты, МИГС) — еще одна область. ИИ может помочь предсказать, какие пациенты лучше всего отреагируют на ту или иную операцию, анализируя тысячи прошлых случаев. Например, инструмент машинного обучения может выявить, что пациенты с паттерном X на изображениях и генетикой Y хорошо реагируют на дренажный имплантат, в то время как другие лучше реагируют на лазерную трабекулопластику. Такие инструменты поддержки принятия решений исследуются во многих областях; хирургия глаукомы может получить аналогичную выгоду. Кроме того, ИИ может в будущем направлять роботизированную хирургию глаза, хотя это более долгосрочная перспектива.

Восстановление зрения и регенерация – неиспользованные возможности

Одной из наиболее захватывающих перспектив является восстановление зрения после повреждения, вызванного глаукомой. В настоящее время не существует терапии для восстановления зрительных нервов или замены утраченных ганглиозных клеток сетчатки (ГКС). Однако исследователи интенсивно работают над нейропротекцией, генной терапией, трансплантацией стволовых клеток и протезированием. ИИ только начинает влиять на эти области, но возможности реальны:

• Открытие лекарств с помощью ИИ: Ярким примером является исследование 2024 года, в котором скриннеры ИИ выявили низкомолекулярные соединения, защищающие ГКС в условиях глаукомоподобного стресса. Используя большие языковые модели и графовые нейронные сети, исследователи предсказали кандидатные ингибиторы RIPK3 (киназы, участвующей в гибели клеток). После лабораторных испытаний было обнаружено, что одно соединение (HG9-91-01) сохраняет структуру ГКС в модели острой глаукомы (pmc.ncbi.nlm.nih.gov). Фактически, все пять рекомендованных ИИ молекул в этом исследовании способствовали выживанию ГКС в условиях низкокислородного стресса, при этом HG9-91-01 обеспечивал наилучшую защиту. Это открытие нейропротективных препаратов с помощью ИИ показывает, как вычислительные методы могут ускорить доклиническую разработку терапии глаукомы (pmc.ncbi.nlm.nih.gov). (Популярный научный отчет описал это как ИИ, «способствующий открытию потенциальных кандидатов на лекарства от глаукомы» (medicalxpress.com).)

• Дизайн нейропротезов: Для пациентов, уже потерявших зрение, такие технологии, как имплантаты сетчатки или зрительного нерва, могут предложить способ восстановить часть зрения. Проектирование таких устройств чрезвычайно сложно. Здесь также ИИ и моделирование играют роль. Например, в статье 2024 года была разработана подробная вычислительная модель зрительного нерва и зрительного мозга для оценки протезов «стимуляции зрительного нерва». Команда использовала изображения, смоделированные с помощью машинного обучения, чтобы проверить, как массивы электродов на зрительном нерве могут восстановить широкоугольное зрение (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Их выводы предполагают, что имплантаты зрительного нерва потенциально могут обеспечивать более широкие поля зрения, чем современные протезы сетчатки, и, что важно, они предоставили модельную основу для оптимизации размещения электродов и стратегий стимуляции (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Такая работа показывает, как in silico инструменты и обработка изображений на основе ИИ могут направлять разработку следующего поколения имплантатов, восстанавливающих зрение.

• Будущие генные/клеточные терапии: Регенеративные подходы – такие как перепрограммирование клеток Мюллера в ГКС, трансплантация ГКС или использование генного редактирования для реактивации роста – находятся в стадии интенсивных фундаментальных исследований. ИИ может в конечном итоге ускорить эти процессы, анализируя большие генетические и молекулярные наборы данных. Например, в статье Development 2024 года был проведен огромный CRISPR-скрининг для выявления генов, контролирующих регенерацию ГКС【65†】. Методы машинного обучения могли бы помочь извлечь из этих сложных результатов информацию для приоритизации целей. Более того, дизайн белков на основе ИИ (например, AlphaFold или генеративные модели) может создавать новые терапевтические белки или генные конструкции для регенерации. Хотя такие приложения ИИ еще не были представлены в области глаукомы, область геномики и терапии стволовыми клетками является плодородной почвой для ИИ. Вычислительные инструменты могут предсказывать, какие комбинации генов способствуют регенерации аксонов, или оптимизировать вирусные векторы для более безопасной доставки генов.

В настоящее время интеграция ИИ в исследования по регенерации ГКС ограничена, но она представляет собой очень ценную возможность. По мере развития регенеративных терапий (наночастицы, стволовые клетки, оптогенетика) ИИ может помочь оптимизировать их дизайн и доставку. Например, компьютерное моделирование может имитировать, как новые ГКС соединяются с мозгом, или как контактные линзы с высвобождением лекарств реагируют на ВГД. Короче говоря, ИИ может влиять на сами стратегии восстановления зрительного нерва – цель, еще не достигнутая клинически. Исследователям, заинтересованным в «восстановлении зрения», следует рассмотреть сотрудничество между экспертами по ИИ и нейробиологами для изучения этих неиспользованных возможностей.

Реалистичные сроки

Важно быть реалистами. Инструменты ИИ для скрининга и диагностики уже существуют – несколько высокопроизводительных моделей доступны и продвигаются к клиническому применению. Мы можем увидеть одобрение FDA инструмента скрининга глаукомы с помощью ИИ в течение следующих нескольких лет, учитывая успешные испытания. Телемедицинские приложения также близки к практике. Однако методы лечения, восстанавливающие зрение (истинная регенерация нервов), вероятно, находятся на расстоянии многих лет или десятилетий от клинической реальности. ИИ ускорит науку, но такие терапии, как регенерация ГКС, сталкиваются с биологическими препятствиями. Тем временем практические преимущества ИИ будут в основном заключаться в более раннем обнаружении и более разумном управлении.

Заключение

ИИ уже улучшает лечение глаукомы сегодня, обеспечивая более быстрый, дешевый скрининг и более точную диагностику. Многочисленные исследования подтверждают высокую точность: например, ИИ для фундус-камеры смартфона достиг ~94% чувствительности/86% специфичности (pmc.ncbi.nlm.nih.gov), а телемедицинская платформа достигла ~89,7% общей точности (pmc.ncbi.nlm.nih.gov). Эти инструменты могут проводить сортировку пациентов и уменьшать количество пропущенных случаев. Для пациентов это означает, что вскоре они могут получить доступ к проверкам на глаукому вне специализированных клиник – даже на мобильных телефонах. Раннее выявление, поддерживаемое ИИ, может спасти зрение благодаря своевременному лечению.

Заглядывая вперед, наибольшее влияние ИИ может оказать там, где он еще не используется. Перспектива заключается в защите и восстановлении зрения после повреждения. Открытие лекарств с помощью ИИ (как в случае ингибитора RIPK3 или других) и вычислительное моделирование имплантатов показывают путь. Высокоценные направления исследований включают комбинацию ИИ с геномикой, визуализацией и тканевой инженерией для решения проблемы регенерации нервов.

В заключение, ИИ обещает значительные практические преимущества в скрининге и лечении глаукомы в ближайшие годы. Для ученых большие возможности лежат на пересечении ИИ с биологией: использование вычислительных моделей и крупномасштабных данных для достижения прорывов в нейропротекции и регенерации. По мере сближения технологий и медицины, как пациенты, так и исследователи должны оставаться информированными. Инструменты ИИ, основанные на доказательствах, появятся и будут дополнять – но не полностью заменять – традиционное лечение глаукомы. Тщательная валидация и продуманная интеграция в клиническую практику обеспечат, что обещания ИИ превратятся в лучшие результаты и восстановленное зрение.