Hur snabbt utvecklas AI egentligen, och vad betyder det för glaukompatienter och forskare?

Artificiell intelligens (AI) har utvecklats i rasande fart de senaste åren. Nya AI-modeller utför nu uppgifter som man tidigare trodde låg år bort, och dessa framsteg återspeglas i benchmarks, produkter och forskningsgenombrott inom många områden – inklusive ögonvård. Denna artikel undersöker konkreta mått på AI-framsteg och översätter dem till vad de betyder för glaukomvård och forskning. Vi belyser verkliga exempel på AI-verktyg som redan hjälper patienter, sammanfattar vad nya utvecklingar är på gång (från kliniska prövningar till innovationer inom den närmaste framtiden), och föreslår frågor som patienter och forskare kan utforska idag för att förbereda sig för morgondagens framsteg.

Hur mäts AI-framsteg (och hur snabbt växer det)?

Forskare mäter AI-framsteg genom prestanda på utmanande uppgifter (benchmarks) och genom att spåra förbättringar i modelldesign, data och beräkningskraft. De senaste åren har alla tre av dessa faktorer exploderat. Till exempel fann en analys att AI-förmågornas ”frontlinje” accelererade kraftigt omkring 2024 – ungefär en fördubbling av förbättringstakten jämfört med tidigare år (epoch.ai) (epoch.ai). I grund och botten kan AI-system nu lösa problem nästan dubbelt så snabbt eller lika bra som de kunde för bara ett par år sedan.

Varför händer detta? Sedan 2010 har beräkningskraften som används för att träna ledande AI-modeller ungefär fördubblats var sjätte månad (medium.com), vilket skapar en 4–5 gångers tillväxt i beräkningskraft per år. Träningsdatauppsättningar (som text eller bilder) har också exploderat – datauppsättningar tredubblas i storlek varje år (medium.com). Samtidigt har modellstorlekarna (antal parametrar) fördubblats årligen. Dessa tre trender – massiv beräkningskraft, massiv data, massiva modeller – kombineras för att skapa vad vissa kallar en ”trifecta” av snabb AI-skalning (medium.com).

Resultatet är att förmågor ofta hoppar fram i svärmar. Toppmoderna AI-modeller som kämpade med grundläggande resonemangsuppgifter för bara ett par år sedan löser nu matematiskt komplexa problem, genererar realistiska bilder på begäran och deltar till och med i flytande medicinska kunskapskonversationer. Till exempel har stora språkmodeller (LLM) som OpenAIs GPT-serie visat plötsliga språng i förmågor vid specifika storlekströsklar (medium.com). Varje ny generation (GPT-3 → GPT-4 → GPT-4.5, etc.) har överträffat den föregående på ett brett spektrum av benchmarks. Specialiserade system för syn (bild) uppgifter har också ökat, med diffusionsmodeller och neurala nätverk som nu producerar realistiska bilder eller upptäcker subtila mönster med oöverträffad noggrannhet. Kort sagt är förbättringstakten inte en långsam linjär klättring – den accelererar både i råa mätvärden och i verklig påverkan (epoch.ai) (medium.com).

Viktigt att komma ihåg: AI-framsteg är konkreta och mätbara, och de senaste 2–3 åren har prestanda på standardbenchmarks och praktiska uppgifter nästan fördubblats. Detta innebär att nya verktyg som var science fiction för ett decennium sedan anländer snabbare än många förväntar sig.

AI inom glaukomvården idag

Glaukom är en ledande orsak till irreversibel synförlust världen över, och det blir allt tydligare att AI kan hjälpa oss att upptäcka och hantera det. Flera AI-drivna verktyg är redan på väg in i praktiken eller är nära att göra det:

• AI-förbättrad fundusfotografering (näthinnan): Smartphones och handhållna kameror utrustade med AI-programvara kan screena för glaukom. Till exempel använde en klinisk studie från 2023 en smartphone-funduskamera (kallad PMC+5) med en inbyggd offline AI-modell (Medios AI-Glaucoma) och fann att den uppnådde 93,7 % sensitivitet och 85,6 % specificitet för att upptäcka remitterbar glaukom (pmc.ncbi.nlm.nih.gov). I den studien identifierade AI:n korrekt 94 % av de verkliga glaukomfall den såg, jämfört med endast 60 % av glaukomspecialister som tittade på samma bilder. Detta tyder på att även en måttligt kraftfull smartphone-kamera med AI kan prestera anmärkningsvärt bra på att flagga tidig glaukom (pmc.ncbi.nlm.nih.gov).

• Synfältsanalys via AI: Ett annat smartphone-baserat exempel är iGlaucoma, en app som analyserar synfältsdata (Humphrey Field Analyzer-diagram) med hjälp av djupinlärning. I en stor studie publicerad i npj Digital Medicine utvärderade iGlaucoma-systemet tusentals patienters synfält och uppnådde en area under kurvan (AUC) på 0,966 för glaukomdetektering (med 95,4 % sensitivitet och 87,3 % specificitet) (www.nature.com). Enkelt uttryckt kunde denna AI ta resultaten från ett standardglaukom-synfältstest och identifiera glaukom nästan lika bra som experter, vilket hjälpte till att upptäcka sjukdom som annars kunde ha missats. Den fungerar via en smartphone-app och molnbearbetning, vilket gör glaukomanalys mer tillgänglig.

• Klinisk prövningsbevis i primärvården: Under 2025 rapporterade forskare en prospektiv prövning (”verklighetsstudie”) av ett AI-drivet näthinnescreeningsystem på vårdcentraler i Australien (pmc.ncbi.nlm.nih.gov). Här fick patienter över 50 år som besökte en allmänläkare icke-mydriatiska fundusfoton tagna av en automatiserad kamera, vilka sedan analyserades av en AI-algoritm för glaukomrisk. AI-systemet uppnådde en AUROC på 0,80 (ett bra mått på den totala noggrannheten), med 65 % sensitivitet och 94,6 % specificitet (pmc.ncbi.nlm.nih.gov). I praktiken innebar detta att av 161 patienter som hade glaukom men inte visste om det, flaggade AI:n korrekt 18 som behövde specialistbedömning (11 %). Patienter och klinikpersonal fann systemet acceptabelt. Även om sensitiviteten kan förbättras, visade studien att AI-screening fungerar i stor skala i en primärvårdsmiljö (pmc.ncbi.nlm.nih.gov).

• Kommande screeningverktyg och godkännanden: Ett brittiskt företag, iHealthScreen, har till och med patenterat ett AI-baserat glaukomscreeningverktyg (kallat iPredict-Glaucoma) som analyserar standardfärgfundusbilder. Enligt deras tillkännagivande producerar AI:n en rapport på mindre än en minut och kan kategorisera patienter som antingen har remitterbar glaukom eller inte. De rapporterar cirka 94,3 % noggrannhet vid identifiering av glaukom (eyewire.news). (Detta är ännu inte FDA-godkänt, men det visar hur företag utvecklar praktiska produkter just nu.) Dessutom banar befintliga AI-medicinska enheter för relaterade ögonsjukdomar – som det FDA-godkända IDx-DR-systemet för screening av diabetisk retinopati – väg för framtida glaukom-AI-verktyg.

Sammanfattningsvis, vad finns redan här? Tidiga användare (främst forsknings- och pilotprogram) har AI-verktyg som analyserar ögonfoton eller synfältstest. Dessa kan snabbt uppmärksamma ögonspecialister på glaukommisstänkta fall. På kliniken använder vissa läkare nu kommersiella OCT-enheter (optisk koherenstomografi) som inkluderar inbyggd AI-analys (för till exempel förtunning av näthinnans nervfiberlager). Och ögonsjukhus kan testa AI-program som kontrollerar patientbilder för oroväckande förändringar.

Slutsats för patienter: AI börjar redan underlätta tidig glaukom-screening och diagnos. Du kanske inte ser ”AI” på mottagningen, men om din läkare använder digital bildbehandling kan en AI-algoritm tyst analysera din näthinna eller ditt synfältstest i bakgrunden. I resursfattiga regioner eller screeningsprogram möjliggör smartphone-baserade AI-tester bokstavligen glaukomkontroller i händerna på en kliniker (glaucoma.org) (pmc.ncbi.nlm.nih.gov). Om du hör talas om nya glaukomscreeningar (t.ex. hos din farmaceut eller primärvård), fråga om de använder AI-förbättrade kameror eller appar. Bevisen visar att dessa verktyg kan hitta fall som människor kan missa (pmc.ncbi.nlm.nih.gov) (www.nature.com).

Vad kommer härnäst? AI inom forskning och kliniska prövningar för glaukom

Eftersom AI-utvecklingen accelererar så snabbt, håller en rad nya verktyg för glaukomvården på att växa fram. Här är några områden att hålla ögonen på:

• Prognostisering av progression: Forskare använder AI för att förutsäga vilka patienter som kommer att försämras snabbare. Till exempel byggde en studie från 2023 ”överlevnads”-AI-modeller med hjälp av års patientjournaler (EHR-data). Dessa modeller förutsade om och när en glaukompatient skulle behöva operation. De bästa modellerna (djupinlärning och träd-baserad AI) uppnådde ett konkordansindex på cirka 0,77–0,80 (pubmed.ncbi.nlm.nih.gov), vilket överträffade äldre statistiska metoder. Detta innebär att AI en dag skulle kunna säga till en patient och läkare: ”Din sjukdom kommer sannolikt att utvecklas snabbt de närmaste åren, så låt oss överväga tidigare intervention.” Sådana AI-riskpoäng skulle kunna individualisera uppföljning: tätare kontroller eller förebyggande behandling för högrispatienter.

• Förbättring av testkvaliteten: AI används också för att förbättra själva bildtagningen. Vissa grupper tillämpar djupinlärning på gamla eller lågkvalitativa OCT-skanningar (eller fundusfoton) för att ”uppskala” och denoisera dem, vilket effektivt återställer förlorade detaljer (pmc.ncbi.nlm.nih.gov). Detta skulle kunna låta kliniker använda snabbare eller billigare skanningar och ändå få precision i upptäckten av nervförtunning. Det finns till och med AI som kan anpassa en serie bilder över tid för att belysa mycket långsamma förändringar i synnervshuvudet som människor kan missa (pmc.ncbi.nlm.nih.gov).

• Integration med andra data: Hybridmodeller utvecklas som kombinerar bildtagning med genetiska eller kliniska data. Till exempel tränar studier AI på både näthinneskanningar och patientriskfaktorer (ålder, ögontryck, familjehistoria) för att förbättra prediktionskraften (pmc.ncbi.nlm.nih.gov). Om det lyckas, kan ett framtida verktyg generera en ”glaukomriskpoäng” för en patient genom att bearbeta all deras data på en gång.

• Forskning om synrestaurering: Utöver diagnos korsar AI vägar med banbrytande behandlingar. Även om det ännu inte är tillgängligt för glaukom, finns det AI-insatser inom optogenetik/neuronal protes och genterapin som en dag skulle kunna hjälpa till att återställa synen. Till exempel utvecklar team ”smarta bioniska ögon” som använder AI för att optimera stimuleringsmönster på näthinne- eller hjärnimplantat (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov). Ett nyligen laboratoriumgenombrott involverade ett hjärnimplantat som kommunicerar åt båda hållen med synbarken: i experiment kände blinda volontärer igen former och bokstäver i realtid eftersom det AI-styrda implantatet anpassade sig till deras neurala svar (neurosciencenews.com). Detta är mycket tidig forskning (för allvarlig synförlust av vilken orsak som helst, inte specifik för glaukom), men det visar hur AI-aktiverade synproteser så småningom kan ge glaukompatienter tillbaka viss funktionell syn om synnerven är för skadad. Dessutom används AI i genterapidesign – till exempel för att hitta optimala virala leveransvägar eller nya molekylära mål i näthinneceller – vilket skulle kunna påskynda utvecklingen av nästa generations terapier för synnervsskydd.

• Nya enheter för vårdleverans: Håll utkik efter nya produkter som kommer ut på marknaden. Företag förfinar AI-drivna kontaktlinser eller glasögon som kan justera fokus för synfältet, vilket potentiellt kan hjälpa till med förlust av perifert syn. Telemedicinverktyg kommer att använda AI för att låta specialister utvärdera glaukompatienter på distans (till exempel tar en patient ett synfältstest hemma på en surfplatta, med AI som förhandsgranskar resultaten). Robotkirurgiska verktyg guidade av AI är också en framväxande idé, vilket skulle kunna göra vissa glaukomoperationer säkrare eller mer precisa i framtiden.

Sammanfattningsvis, utveckling i sent skede och prövningar pågår redan för flera glaukomtillämpningar av AI. Forskare bör notera att inom några år kan vi se FDA (eller motsvarande) godkännanden för AI-baserade glaukomverktyg, precis som vi såg tidigare för diabetisk retinopati. Glaukomspecialister och kliniker kommer snart att behöva integrera dessa verktyg i praktiken – till exempel genom att validera alla nya AI:s prestanda på sin patientpopulation innan de förlitar sig på den.

Synrestaurering och banbrytande teknik vid horisonten

Om nuvarande AI- och neurotekniktrender fortsätter, framträder en mycket optimistisk vision av glaukombehandling: att skydda och potentiellt till och med återställa synen för patienter som annars skulle bli blinda. Här är några möjligheter:

• Neuroprostetisk syn: Som nämnts ovan är spjutspetsen inom hjärn- och näthinneimplantat. Redan finns näthinneimplantat (som Argus II) som elektriskt stimulerar näthinnan för att producera grov syn. Ny forskning kombinerar sådana implantat med AI. Till exempel noterade en översikt från 2025 att integrering av AI i bioniska ögon skulle kunna optimera hur enheten stimulerar nervceller och förbättra den visuella outputen för användaren (pmc.ncbi.nlm.nih.gov). Ett nyligen genombrott involverade implantering av elektroder direkt i synbarken hos blinda volontärer, med sluten AI som justerade stimuleringen i realtid. Volontärerna kunde känna igen mönster och bokstäver, ett första för någon enhet utöver små ljusblixtar (neurosciencenews.com). Om sådana ”tvåvägs” AI-drivna implantat fortsätter att utvecklas, är det tänkbart att vi under nästa decennium skulle kunna ha enheter som erbjuder delvis funktionell syn även för glaukompatienter i slutstadiet (även om klinisk användning skulle kräva mycket mer testning).

• Smart läkemedelsutveckling: AI-modeller kan dramatiskt påskynda att hitta nya glaukombehandlingar. Till exempel kan maskininlärning analysera genetiska data och näthinnecellsbiologi för att identifiera neuroprotektiva faktorer (ämnen som håller synnervsceller vid liv). En studie använde AI för att välja ett lovande molekylärt mål för ett glaukomläkemedel (www.thebrighterside.news). Om denna forskningslinje lyckas, kan vi se AI-accelererade neuroprotektiva terapier under utveckling, som syftar till att stoppa nervskada innan synförlust uppstår.

• Regenerativa terapier guidade av AI: Genteraapi och cellterapi för glaukom (som syftar till att regenerera eller stärka retinala ganglieceller) är också områden där AI skulle kunna hjälpa till. AI kan assistera i att designa genredigeringar eller stamcellsbehandlingar som efterliknar naturlig näthinnesignalering. Även om det fortfarande är spekulativt för glaukom, är den allmänna trenden att AI-driven biomedicinsk forskning avslöjar nya sätt att läka nerver och återställa vävnad snabbare än tidigare.

I huvudsak håller genombrott som var science fiction – som att delvis återställa synen genom implantat eller skräddarsydda genterapier – på att bli tänkbara. Vi måste dock vara försiktiga: varje steg kräver noggranna kliniska prövningar. Dessa avancerade terapier är inte här än, men AI är en av de möjliggörande teknikerna bakom dem.

Verkliga scenarier: Vad patienter och forskare bör hålla utkik efter

För att göra detta konkret, överväg ett par scenarier:

• Patientscenario: Alice, 58, har nyligen diagnostiserats med tidig glaukom. Vid sitt nästa besök använder hennes ögonläkare en AI-stödd OCT-skanning som visar misstänkt förtunning av nervfiberlagret. Läkaren förklarar att en AI-algoritm flaggat ett mönster som överensstämmer med progredierande sjukdom, så Alice bör använda sina ögondroppar noggrant och återkomma om 6 månader (snarare än att vänta ett år). Senare läser Alice att en smartphone-screeningsapp testas på närliggande vårdcentraler; hon frågar sin läkare om hon kunde prova den för att hålla koll på sin sjukdom hemifrån. Läkaren förklarar att appen (validerad i studier) kan registrera synfält eller ögonfoton och ge en omedelbar riskpoäng för glaukom. Alice deltar i studien och laddar upp månatliga tester på sin telefon – appens AI bekräftar att hennes sjukdom förblir stabil, vilket ger henne lugn och ro.

• Forskarscenario: Doktor Chen utvecklar en studie om glaukomprogression. Med vetskapen om att AI blomstrar, samarbetar hon med datavetare för att använda djupinlärning på en stor offentlig datamängd av OCT-skanningar och patientresultat. De tränar en modell för att förutsäga vilka patienter som kommer att förlora synen snabbast, i hopp om att identifiera nya bildbiomarkörer. De följer samtidigt nya AI-oftalmologi-appar. När en ny FDA-godkänd AI-enhet för glaukomscreening släpps, planerar doktor Chen en liten prövning för att jämföra den med standardtester på sin klinik. Hon deltar också i konferenser om AI inom oftalmologi för att säkerställa att hennes ansökningar om bidrag beaktar automatiserade verktyg. Genom att hålla sig informerad positionerar doktor Chen sin forskning för att utnyttja AI-verktyg för snabbare upptäckter.

Från dessa exempel, vad man ska hålla utkik efter:

• Patienter bör fråga om screeningalternativ. Hur tillgängliga är nya AI-aktiverade screeningar på din klinik eller apotek? Om du ser annonser för AI-ögontester, fråga om de är kliniskt validerade. Fråga din läkare om AI-verktyg (som smartphone-fundusfotografering) kan användas för enklare övervakning.
• Patienter bör också delta i prövningar eller dataregister om möjligt. Glaukomforskare behöver varierande patientdata för att effektivt träna AI-modeller. Att delta i en studie (med lämpligt samtycke) kan hjälpa till att föra ut nya AI-verktyg på marknaden.
• Forskare och kliniker bör följa AI-litteratur och riktlinjer. Granska till exempel översiktsartiklar om AI inom glaukom eller delta i workshops om medicinsk AI. Överväg att samarbeta med AI-experter för att analysera dina data – tekniker som fungerat på bilder eller genetik i andra sjukdomar överförs ofta till glaukomforskning.
• Både patienter och vårdgivare bör vara medvetna om begränsningarna. AI-verktyg fungerar bäst när de validerats på patienter som du (liknande bakgrund, bildutrustning, etc.). Fråga alltid: ”Har denna AI testats på människor som jag?” eller ”Vad är falsk positiv-frekvensen?” Förstå att inget verktyg är perfekt – AI är ett hjälpmedel, inte ett substitut för expertbedömning.

Att skydda synen med AI: Frågor att ställa till ditt vårdteam

Med dessa framsteg är här frågor som patienter kan ställa och åtgärder att vidta:

• ”Finns det några AI-baserade glaukomscreeningstester tillgängliga för mig? Hur noggranna är de?”
• ”Använder min ögonläkare någon automatiserad analys av näthinneskanningar eller synfält? Vad har de funnit i mitt fall?”
• ”Finns det några kliniska prövningar eller nya behandlingar (som neuroprotektiva läkemedel) som jag kan vara berättigad till, särskilt de som involverar AI-verktyg?”
• ”Bör jag hålla koll på mina synfält eller ögontryck med någon mobilapp? Om jag utför sådan egenövervakning, skulle AI-analys kunna hjälpa min läkare?”

För forskare och kliniker:

• ”Hur kan jag införliva AI-prediktioner i min patientvård? Behöver jag ny utrustning eller utbildning?”
• ”Vilka datauppsättningar finns tillgängliga för glaukom som jag skulle kunna använda för att träna eller testa en AI-modell?”
• ”Hur snart kan reglerande organ godkänna AI-verktyg för glaukom, och hur kommer försäkringar att hantera dem?”

Att vara proaktiv – att läsa pålitliga medicinska nyheter, delta i webbinarier om ögonhälsa eller gå med i patientföreningar – kommer att hjälpa oss alla att dra nytta av AI-framsteg utan att hamna på efterkälken.

Slutsats

AI-tekniken avancerar häpnadsväckande snabbt, med de senaste åren som visar tydliga mångfaldiga framsteg. För glaukom börjar vi redan se effekterna: mer tillgängliga screeningar, automatiserad analys av kliniska tester och smartare förutsägelser av sjukdomsprogression. Under de kommande åren kan vi förvänta oss att AI-verktyg blir en del av rutinmässig glaukomvård, vilket hjälper till att upptäcka försämringar och skräddarsy behandlingen. Längre fram möjliggör AI till och med forskning om synrestaurering (genom proteser eller genterapi) som dramatiskt skulle kunna förändra utsikterna för patienter med allvarlig sjukdom.

För patienter innebär detta kraftfullare sätt att upptäcka glaukom tidigt och övervaka det noggrant. För forskare och kliniker innebär det nya verktyg för att förstå och bekämpa sjukdomen. Att hålla sig informerad och ställa rätt frågor kommer att hjälpa alla – patienter och vårdgivare – att positionera sig för att dra nytta av dessa genombrott. Eran med AI inom ögonvården har anlänt, och för glaukom lovar den inget mindre än att förvandla diagnos, behandling och kanske till och med återställa synen i framtiden.

Källor: Nyligen genomförda studier och översikter dokumenterar dessa trender och teknologier (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), bland andra.