บทนำ

ต้อหินคือกลุ่มของภาวะความผิดปกติทางตาที่ทำลายเส้นประสาทตาและอาจนำไปสู่ภาวะตาบอดที่ไม่สามารถย้อนกลับได้ มักถูกเรียกว่า “ขโมยการมองเห็นที่เงียบงัน” ต้อหินส่งผลกระทบต่อผู้คนนับล้านทั่วโลก อันที่จริง มีผู้คนประมาณ 111.8 ล้านคนที่จะเป็นต้อหินภายในปี 2040 (medicalxpress.com) การตรวจพบและรักษาตั้งแต่เนิ่นๆ เป็นสิ่งสำคัญยิ่ง เพราะการสูญเสียการมองเห็นไม่สามารถฟื้นฟูได้ทั้งหมด นี่คือจุดที่ ปัญญาประดิษฐ์ (AI) กำลังเข้ามามีบทบาท: โดยการวิเคราะห์ภาพถ่ายดวงตาและข้อมูลการทดสอบ AI สามารถช่วยคัดกรอง วินิจฉัย และติดตามต้อหินได้อย่างมีประสิทธิภาพมากขึ้น ในบทความนี้ เราจะสำรวจว่า AI ถูกนำมาประยุกต์ใช้ในการดูแลผู้ป่วยต้อหินในปัจจุบันอย่างไร โดยอ้างอิงจากเครื่องมือและการศึกษาในโลกแห่งความเป็นจริง และพิจารณาโอกาสที่กำลังจะเกิดขึ้น โดยเฉพาะอย่างยิ่งในการวิจัยการฟื้นฟูการมองเห็น เรามุ่งเน้นไปที่ผลลัพธ์ที่พิสูจน์แล้ว (เช่น ความไวและความจำเพาะของเครื่องมือ AI) และการประยุกต์ใช้ในอนาคตที่เป็นรูปธรรม โดยให้คำแนะนำที่เป็นประโยชน์สำหรับทั้งผู้ป่วยและนักวิจัย

AI ในการคัดกรองและวินิจฉัยต้อหินในปัจจุบัน

การวิเคราะห์ภาพถ่ายจอตาด้วยสมาร์ทโฟน

การใช้งานหลักของ AI ในปัจจุบันคือการวิเคราะห์ภาพถ่ายจอตา (ภาพเรตินา) โดยอัตโนมัติเพื่อ คัดกรองต้อหิน ทีมวิจัยได้จับคู่กล้องถ่ายจอตาแบบพกพาหรืออุปกรณ์เสริมสำหรับสมาร์ทโฟนเข้ากับตัวจัดประเภท AI เพื่อระบุขั้วประสาทตาที่มีภาวะต้อหิน ตัวอย่างเช่น การศึกษาเชิงพยากรณ์ล่าสุดในอินเดียได้ทดสอบโมเดล AI แบบออฟไลน์ที่ฝังอยู่ในกล้องถ่ายจอตาของสมาร์ทโฟน (Medios AI-Glaucoma บนอุปกรณ์ FOP NM-10 ของ Remidio) ระบบนี้ตรวจพบผู้ป่วยที่ต้องได้รับการส่งต่อ (“ต้อหินที่ต้องส่งต่อ”) ด้วย ความไวประมาณ 94% และ ความจำเพาะ 86% เมื่อเทียบกับการตรวจประเมินทางคลินิกอย่างครบถ้วน (pmc.ncbi.nlm.nih.gov) ในทางตัวเลข AI ระบุผู้ป่วยต้อหินที่แท้จริงได้อย่างถูกต้อง 93.7% และสามารถแยกผู้ที่ไม่เป็นต้อหินได้อย่างถูกต้อง 85.6% (pmc.ncbi.nlm.nih.gov) ความแม่นยำสูงเช่นนี้แสดงให้เห็นว่าการคัดกรองต้อหินด้วย AI บนสมาร์ทโฟนสามารถค้นหาผู้ป่วยที่มีการเปลี่ยนแปลงของต้อหินในขั้วประสาทตาได้อย่างน่าเชื่อถือ

การศึกษาอื่นใช้การตั้งค่ากล้อง AI ที่คล้ายกันในผู้ป่วยต้อหินทุกระดับความรุนแรง พบว่า AI มี ความไว 91.4% และ ความจำเพาะ 94.1% ในการตรวจจับต้อหินหรือกรณีที่สงสัย (pmc.ncbi.nlm.nih.gov) ประสิทธิภาพลดลงเล็กน้อยสำหรับโรคระยะเริ่มต้นมาก (ความไวประมาณ 87%) และสูงสุดสำหรับกรณีขั้นสูง (ความไว 96%) (pmc.ncbi.nlm.nih.gov) ผลลัพธ์เหล่านี้มาจากคลินิกผู้ป่วยนอกและแสดงให้เห็นว่าเครื่องมือ AI สามารถเทียบเท่ากับการตรวจของแพทย์เฉพาะทางในการระบุภาวะที่น่าสงสัย นอกจากนี้ยังเน้นย้ำว่า AI มักจะระมัดระวังเป็นพิเศษโดยการระบุกรณีที่เป็นไม่รุนแรงหรือน่าสงสัย; ในการศึกษาหนึ่ง กรณีผลบวกลวงส่วนใหญ่เป็นดวงตาที่แพทย์เฉพาะทางระบุว่าเป็น “ขั้วประสาทตาน่าสงสัย” (pmc.ncbi.nlm.nih.gov) แนวทางที่อนุรักษ์นิยมนี้ช่วยหลีกเลี่ยงการพลาดโรคที่แท้จริง โดยแลกมากับการส่งต่อผู้ป่วยเพิ่มเติมบางส่วน

กลุ่มบริษัทเชิงพาณิชย์และกลุ่มวิจัยกำลังพัฒนาSระบบดังกล่าวอยู่แล้ว ตัวอย่างเช่น ระบบ Medios AI-Glaucoma (Remidio, อินเดีย/สิงคโปร์) ซึ่งรวมเข้ากับกล้องถ่ายจอตาของสมาร์ทโฟนและแสดงผลลัพธ์ข้างต้น (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov) แพลตฟอร์ม AI อื่นๆ (เช่น BegIA) ใช้ภาพถ่ายจากสมาร์ทโฟนเพื่อประมาณอัตราส่วน Cup-to-Disc หรือแม้กระทั่งวิเคราะห์ภาพใบหน้าเพื่อหาความผิดปกติของดวงตา (glaucoma.org) ในการประเมินทางคลินิกหนึ่ง แอปสมาร์ทโฟนรายงานค่า Area Under Curve (AUC) ที่ 0.966 สำหรับการตรวจจับต้อหิน โดยมีความไว 95.4% และความจำเพาะ 87.3% (glaucoma.org)

การแพทย์ทางไกลและการคัดกรองระยะไกล

แอปที่เปิดใช้งาน AI ยังถูกนำมาใช้ในการ แพทย์ทางไกล สำหรับต้อหิน ตัวอย่างเช่น แพลตฟอร์มคลาวด์ iPredict ใช้ AI ในการวิเคราะห์ภาพถ่ายจอตาที่อัปโหลด ในการทดลองในโลกแห่งความเป็นจริง เครื่องมือการแพทย์ทางไกลนี้มีความ แม่นยำรวมประมาณ 89.7% (ความไว 83.3%, ความจำเพาะ 93.9%) ในการระบุผู้ป่วยที่สงสัยว่าเป็นต้อหินจากภาพถ่ายจอตา (pmc.ncbi.nlm.nih.gov) AI จัดประเภทขั้วประสาทตาเป็น “สงสัยต้อหิน” เทียบกับ “ปกติ” โดยการวัดอัตราส่วน Cup/Disc ในแนวตั้ง ซึ่งตรงกับผู้เชี่ยวชาญ 93.9% ของเวลาทั้งหมด (pmc.ncbi.nlm.nih.gov) ระบบแสดงความสอดคล้อง 100% ระหว่างการประเมินด้วยตนเองและการประเมินระยะไกลที่ประมวลผลด้วย AI สำหรับชุดทดสอบ (pmc.ncbi.nlm.nih.gov) ซึ่งหมายความว่าผู้ป่วยในคลินิกชนบทสามารถรับผลการคัดกรองแบบเรียลไทม์ผ่าน AI พร้อมคำแนะนำการส่งต่อทันทีหากจำเป็น แพลตฟอร์มดังกล่าวทำให้การคัดกรองเข้าถึงได้ง่ายขึ้นและสอดคล้องกันมากขึ้น โดยเฉพาะอย่างยิ่งในพื้นที่ด้อยโอกาส (glaucoma.org) (pmc.ncbi.nlm.nih.gov)

OCT, ลานสายตา และการรวมข้อมูล

นอกเหนือจากภาพถ่ายแล้ว AI ยังถูกนำไปใช้กับการทดสอบต้อหินอื่นๆ โมเดลการเรียนรู้เชิงลึกสามารถแบ่งส่วนการสแกนด้วยเครื่อง Optical Coherence Tomography (OCT) เพื่อวัดความหนาของชั้นใยประสาทจอตา (RNFL) หรือลักษณะของขั้วประสาทตา นอกจากนี้ยังสามารถวิเคราะห์การทดสอบ ลานสายตา (VF) เพื่อหาความก้าวหน้าเล็กน้อย ตัวอย่างเช่น เครือข่ายประสาทเทียมแบบคอนโวลูชันได้รับการฝึกฝนให้แยกแยะรูปแบบต้อหินบนแผนที่ VF เครื่องมือ AI อื่นๆ รวมแหล่งข้อมูลหลายแหล่งเข้าด้วยกัน – การวัดความดัน, OCT, VF, ประวัติผู้ป่วย – เพื่อคำนวณคะแนนความเสี่ยงของต้อหิน แม้ว่าหลายอย่างเหล่านี้อยู่ระหว่างการพัฒนาหรือการทดลองเบื้องต้น แต่ก็มีแนวโน้มที่จะช่วยแพทย์โดยการเน้นผู้ป่วยที่โรคอาจแย่ลงและต้องการการดูแลอย่างใกล้ชิด บทวิจารณ์หนึ่งรายงานว่าระบบ DL สามารถพยากรณ์การสูญเสีย VF ในอนาคตได้ล่วงหน้าหลายปี โดยเรียนรู้จากชุดข้อมูล VF ในอดีต (pmc.ncbi.nlm.nih.gov) วิธีการที่ทันสมัยเหล่านี้ได้รับการทดสอบกับข้อมูลย้อนหลังจนถึงขณะนี้ ซึ่งบ่งชี้ถึงความเป็นไปได้ของ AI ในการ พยากรณ์ความก้าวหน้าของโรค แต่ยังไม่ได้กลายเป็นกิจวัตรในการปฏิบัติงาน

ผลกระทบที่วัดได้และประสิทธิภาพในการปฏิบัติงาน

การศึกษาหลายชิ้นแสดงให้เห็นถึงประสิทธิภาพที่เป็นรูปธรรมของเครื่องมือ AI ในการตั้งค่าที่คล้ายคลินิก ดังที่กล่าวไว้ AI ที่ใช้สมาร์ทโฟน-ภาพถ่ายจอตา มีความไวประมาณ 91-94% และความจำเพาะประมาณ 86-94% ในกลุ่มผู้ป่วยจำนวนมาก (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov) โครงการ AI ทางการแพทย์ทางไกลรายงานความแม่นยำโดยรวมประมาณ 89.7% (pmc.ncbi.nlm.nih.gov) นี่คือตัวเลขที่น่าประทับใจ – ในการตั้งค่าการวิจัย AI เทียบเท่ากับจักษุแพทย์ที่ได้รับการฝึกอบรมสำหรับการคัดกรองอยู่แล้ว สิ่งสำคัญคือ ผลลบปลอมบางส่วนเป็นเพียงต้อหินระยะเริ่มต้นที่ไม่รุนแรง ในขณะที่ผลบวกปลอมมักจะเป็น “ขั้วประสาทตาน่าสงสัย” ไม่ใช่ปกติที่ชัดเจน (pmc.ncbi.nlm.nih.gov)

สิ่งที่สำคัญไม่แพ้กันคือการนำไปใช้งาน ระบบเช่น Medios และโมเดล iPredict กำลังถูกนำไปใช้ในบางส่วนของอินเดียและที่อื่นๆ เพื่อการคัดกรองประชากร แม้ว่าข้อมูลการนำไปใช้โดยละเอียดกำลังจะเปิดเผย รายงานเบื้องต้น (เช่น โครงการเข้าถึงชุมชนของ Remidio) ชี้ให้เห็นว่ามีคลินิกหลายร้อยแห่งที่ใช้หน่วยกล้องที่ขับเคลื่อนด้วย AI AI กำลังเข้าสู่เวิร์กสเตชันของโรงพยาบาลด้วย: ผู้ผลิตอุปกรณ์ OCT หลายรายกำลังรวมคุณสมบัติการแบ่งส่วนและการวิเคราะห์ AI เพื่อระบุภาวะ RNFL ที่บางลงหรือพยากรณ์การสูญเสีย RNFL ในวงการวิชาการ คลินิกหลายแห่งกำลังทดลองโมเดล AI กับข้อมูลที่มีอยู่เพื่อปรับปรุงการวินิจฉัย

อย่างไรก็ตาม การนำไปใช้ในการปฏิบัติงานทางคลินิกในประเทศตะวันตกยังคงจำกัดด้วยการอนุมัติตามกฎระเบียบและการรวมเข้ากับขั้นตอนการทำงาน ยังไม่มี AI ที่ได้รับการอนุมัติจาก FDA ที่เป็นมาตรฐานสำหรับการคัดกรองต้อหิน (ต่างจากโรคจอประสาทตาเบาหวานที่ระบบ AI เช่น IDx มีอยู่แล้ว) อย่างไรก็ตาม การทดลองภาคสนามที่มีแนวโน้มดีและการตรวจสอบโดยผู้เชี่ยวชาญบ่งชี้ถึง ความก้าวหน้าอย่างรวดเร็ว เนื่องจาก AI ในการคัดกรองต้อหินมีประโยชน์ต่อสาธารณสุขที่ชัดเจน (การตรวจพบโรคก่อนการสูญเสียการมองเห็น) เราสามารถคาดหวังว่าเครื่องมือเหล่านี้บางส่วนจะได้รับการอนุมัติตามกฎระเบียบในอีกไม่กี่ปีข้างหน้า

การประยุกต์ใช้ AI ที่กำลังจะเกิดขึ้น: อะไรคือสิ่งต่อไป

การวิเคราะห์เชิงพยากรณ์และการดูแลเฉพาะบุคคล

คลื่นลูกต่อไปของ AI ในต้อหินจะมุ่งเน้นไปที่การพยากรณ์และการดูแลเฉพาะบุคคล โมเดลการเรียนรู้ของเครื่องสามารถรวมข้อมูลทางคลินิก, ภาพถ่าย และพันธุกรรม เพื่อพยากรณ์ความเสี่ยงของการสูญเสียการมองเห็นของแต่ละบุคคล หรือการเปลี่ยนจากภาวะความดันในลูกตาสูงไปเป็นต้อหิน (pmc.ncbi.nlm.nih.gov) ตัวอย่างเช่น เครือข่ายประสาทเทียมที่ได้รับการฝึกฝนจากบันทึกผู้ป่วยถูกกล่าวอ้างว่าสามารถระบุได้ว่าใครมีแนวโน้มที่จะดำเนินโรคมากที่สุด ในอีกไม่กี่ปีข้างหน้า ระบบดังกล่าวอาจช่วยให้แพทย์สามารถปรับความเข้มข้นของการรักษา ลองจินตนาการถึงคะแนน AI ที่ชั่งน้ำหนัก IOP, ความหนากระจกตา, เชื้อชาติ, ประวัติครอบครัว และอื่นๆ เพื่อคำนวณประมาณการ “เวลาจนกว่าจะตาบอด” ซึ่งช่วยจัดลำดับความสำคัญของการรักษา ชุดข้อมูลขนาดใหญ่มีอยู่แล้ว (จากธนาคารชีวภาพและโรงพยาบาลตา) ดังนั้น AI จึงสามารถเรียนรู้รูปแบบที่ซับซ้อนนอกเหนือจากปัจจัยเสี่ยงง่ายๆ

การติดตามต้อหินและการทดสอบที่บ้าน

AI ยังสามารถปฏิวัติ การติดตาม ได้อีกด้วย เซ็นเซอร์วัดความดันลูกตา (IOP) แบบสวมใส่ได้ หรือคอนแทคเลนส์อัจฉริยะกำลังอยู่ระหว่างการพัฒนา และ AI สามารถวิเคราะห์ข้อมูลต่อเนื่องของอุปกรณ์เหล่านี้เพื่อแจ้งเตือนผู้ป่วยถึงความดันที่พุ่งสูงขึ้นอย่างอันตราย ในทำนองเดียวกัน แอปพลิเคชันลานสายตาบนสมาร์ทโฟนกำลังปรับปรุง (เช่น แอปที่ฉายแผนภูมิ perimetry บนโทรศัพท์) เมื่อจับคู่กับ AI สิ่งเหล่านี้อาจกลายเป็นการทดสอบต้อหินที่บ้าน ผู้ป่วยอาจสามารถทำการตรวจตาอย่างรวดเร็วที่บ้านได้ในวันหนึ่ง โดยมีแอปใช้ AI ตรวจจับการเปลี่ยนแปลงใหม่ๆ และแจ้งให้แพทย์ทราบ แทนที่จะต้องไปที่คลินิก ต้นแบบเบื้องต้นของการวัดความดันลูกตาและการทดสอบการมองเห็นที่บ้านมีอยู่แล้ว แต่การวิเคราะห์ที่ขับเคลื่อนด้วย AI จะทำให้สิ่งเหล่านี้มีประโยชน์ทางคลินิกโดยการรับรองความน่าเชื่อถือและการระบุการเสื่อมสภาพที่แท้จริง

การวางแผนการผ่าตัดและการทำนายผลลัพธ์

การผ่าตัด (การผ่าตัดช่องระบายน้ำในลูกตา, ท่อระบายน้ำ, MIGS) เป็นอีกหนึ่งแนวหน้า AI สามารถช่วยทำนายว่าผู้ป่วยรายใดจะตอบสนองต่อการผ่าตัดใดได้ดีที่สุด โดยการวิเคราะห์เคสในอดีตนับพัน ตัวอย่างเช่น เครื่องมือการเรียนรู้ของเครื่องอาจเรียนรู้ว่าผู้ป่วยที่มีรูปแบบ X บนภาพถ่ายและพันธุกรรม Y จะได้ผลดีกับการใส่ท่อระบายน้ำ ในขณะที่คนอื่นๆ จะได้ผลดีกว่ากับการผ่าตัดด้วยเลเซอร์ทราเบคคูโลพลาสติก เครื่องมือสนับสนุนการตัดสินใจดังกล่าวอยู่ระหว่างการวิจัยในหลายสาขา; การผ่าตัดต้อหินก็อาจได้รับประโยชน์ในทำนองเดียวกัน นอกจากนี้ AI ยังสามารถนำทางการผ่าตัดตาด้วยหุ่นยนต์ในอนาคตได้ แม้ว่านั่นจะยังเป็นเป้าหมายระยะยาว

การฟื้นฟูและการสร้างเซลล์ใหม่ของการมองเห็น – โอกาสที่ยังไม่ถูกนำมาใช้

หนึ่งในแนวหน้าที่มีความน่าตื่นเต้นที่สุดคือ การฟื้นฟูการมองเห็น หลังจากความเสียหายจากต้อหิน ปัจจุบันยังไม่มีการบำบัดใดๆ ที่จะช่วยให้เส้นประสาทงอกใหม่หรือเปลี่ยนเซลล์ปมประสาทจอตา (RGCs) ที่สูญเสียไป อย่างไรก็ตาม นักวิจัยกำลังทำงานอย่างเข้มข้นในด้านการปกป้องระบบประสาท, การบำบัดด้วยยีน, การปลูกถ่ายสเต็มเซลล์ และอวัยวะเทียม AI เพิ่งเริ่มมีอิทธิพลต่อพื้นที่เหล่านี้ แต่โอกาสนั้นมีอยู่จริง:

• การค้นพบยาโดยใช้ AI: ตัวอย่างที่โดดเด่นคือการศึกษาในปี 2024 ที่เครื่องมือคัดกรอง AI ระบุโมเลกุลขนาดเล็กที่ปกป้อง RGCs ภายใต้ภาวะความเครียดที่คล้ายต้อหิน โดยใช้แบบจำลองภาษาขนาดใหญ่และโครงข่ายประสาทเทียมแบบกราฟ นักวิจัยได้ทำนายสารยับยั้ง RIPK3 ที่เป็นตัวเลือก (เอนไซม์คิเนสที่ก่อให้เกิดการตายของเซลล์) หลังจากการทดสอบในห้องปฏิบัติการ พบว่าสารประกอบหนึ่ง (HG9-91-01) สามารถรักษาโครงสร้าง RGC ในแบบจำลองต้อหินเฉียบพลันได้ (pmc.ncbi.nlm.nih.gov) อันที่จริง โมเลกุลทั้งห้าที่ AI แนะนำในการศึกษานั้นช่วยในการอยู่รอดของ RGCs ภายใต้ภาวะความเครียดจากออกซิเจนต่ำ โดย HG9-91-01 ให้การป้องกันที่ดีที่สุด การ ค้นพบยาป้องกันระบบประสาทที่เปิดใช้งานด้วย AI นี้แสดงให้เห็นว่าวิธีการคำนวณสามารถเร่งการพัฒนาการรักษาต้อหินในระยะก่อนคลินิกได้อย่างไร (pmc.ncbi.nlm.nih.gov) (รายงานวิทยาศาสตร์ยอดนิยมอธิบายเรื่องนี้ว่า AI “ช่วยในการค้นพบยาที่เป็นไปได้สำหรับผู้สมัครยาต้อหิน” (medicalxpress.com))

• การออกแบบประสาทเทียม: สำหรับผู้ป่วยที่สูญเสียการมองเห็นไปแล้ว เทคโนโลยีเช่นการฝังจอตาหรือเส้นประสาทตาอาจเป็นหนทางในการฟื้นฟูการมองเห็นบางส่วน การออกแบบอุปกรณ์ดังกล่าวมีความซับซ้อนอย่างยิ่ง ที่นี่ AI และการสร้างแบบจำลองก็มีบทบาทเช่นกัน ตัวอย่างเช่น บทความในปี 2024 ได้พัฒนาแบบจำลองการคำนวณที่ละเอียดของเส้นประสาทตาและสมองส่วนการมองเห็นเพื่อประเมินประสาทเทียม “การกระตุ้นเส้นประสาทตา” ทีมงานใช้ภาพจำลองที่สร้างด้วยการเรียนรู้ของเครื่องเพื่อทดสอบว่าชุดอิเล็กโทรดบนเส้นประสาทตาอาจฟื้นฟูการมองเห็นในลานสายตาที่กว้างขึ้นได้อย่างไร (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov) ผลการวิจัยของพวกเขาชี้ให้เห็นว่าการฝังเส้นประสาทตาอาจให้ลานสายตาที่กว้างกว่าประสาทเทียมจอตาในปัจจุบัน และที่สำคัญคือ พวกเขาได้ให้ กรอบการสร้างแบบจำลอง เพื่อเพิ่มประสิทธิภาพการวางอิเล็กโทรดและกลยุทธ์การกระตุ้น (pmc.ncbi.nlm.nih.gov) (pmc.ncbi.nlm.nih.gov) งานประเภทนี้แสดงให้เห็นว่าเครื่องมือ in silico และการประมวลผลภาพที่ขับเคลื่อนด้วย AI สามารถนำทางสู่การฝังประสาทเทียมเพื่อฟื้นฟูการมองเห็นรุ่นต่อไปได้อย่างไร

• การบำบัดด้วยยีน/เซลล์ในอนาคต: แนวทางการฟื้นฟู – เช่น การปรับเปลี่ยนเซลล์ Müller ให้เป็น RGCs, การปลูกถ่าย RGCs หรือการใช้การแก้ไขยีนเพื่อกระตุ้นการเจริญเติบโต – กำลังอยู่ภายใต้การวิจัยพื้นฐานอย่างเข้มข้น AI อาจเร่งกระบวนการเหล่านี้ได้ในที่สุดโดยการวิเคราะห์ชุดข้อมูลทางพันธุกรรมและโมเลกุลขนาดใหญ่ ตัวอย่างเช่น บทความ Development ปี 2024 ได้ทำการคัดกรอง CRISPR ขนาดใหญ่เพื่อค้นหายีนที่ควบคุมการสร้าง RGC ใหม่【65†】 วิธีการเรียนรู้ของเครื่องสามารถช่วยขุดค้นผลลัพธ์ที่ซับซ้อนเหล่านี้เพื่อจัดลำดับความสำคัญของเป้าหมาย นอกจากนี้ การออกแบบโปรตีนที่ขับเคลื่อนด้วย AI (เช่น AlphaFold หรือแบบจำลอง generative) อาจสร้างโปรตีนบำบัดใหม่ๆ หรือโครงสร้างยีนสำหรับการสร้างเซลล์ใหม่ แม้ว่าการประยุกต์ใช้ AI ดังกล่าวยังไม่ได้รับการรายงานในต้อหิน แต่สาขาจีโนมิกส์และการบำบัดด้วยสเต็มเซลล์ก็พร้อมสำหรับ AI เครื่องมือคำนวณอาจทำนายว่าการรวมกันของยีนใดที่ส่งเสริมการงอกของ axon หรือเพิ่มประสิทธิภาพเวกเตอร์ไวรัสเพื่อการส่งยีนที่ปลอดภัยยิ่งขึ้น

ในปัจจุบัน การรวม AI เข้ากับการวิจัยการสร้าง RGC ใหม่นั้น จำกัด แต่ก็แสดงถึงโอกาสที่มีคุณค่าสูง ในขณะที่การบำบัดแบบฟื้นฟู (อนุภาคนาโน, สเต็มเซลล์, ออปโตเจเนติกส์) ก้าวหน้าไป AI สามารถช่วยเพิ่มประสิทธิภาพการออกแบบและการส่งมอบ ตัวอย่างเช่น การจำลองด้วยคอมพิวเตอร์อาจจำลองว่า RGCs ใหม่เชื่อมต่อกับสมองได้อย่างไร หรือคอนแทคเลนส์ที่ปล่อยยาตอบสนองต่อ IOP อย่างไร สรุปคือ AI สามารถให้ข้อมูลเกี่ยวกับกลยุทธ์ในการ ซ่อมแซม เส้นประสาทตา ซึ่งเป็นเป้าหมายที่ยังไม่บรรลุผลทางการแพทย์ นักวิจัยที่สนใจ “การฟื้นฟูการมองเห็น” ควรพิจารณาความร่วมมือระหว่างผู้เชี่ยวชาญ AI และนักชีววิทยาระบบประสาทเพื่อสำรวจความเป็นไปได้ที่ยังไม่ถูกนำมาใช้เหล่านี้

ลำดับเวลาที่เป็นจริง

สิ่งสำคัญคือต้องเป็นจริง เครื่องมือ AI สำหรับการคัดกรองและการวินิจฉัยมีอยู่แล้ว – มีโมเดลที่มีประสิทธิภาพสูงหลายแบบและกำลังก้าวไปสู่การใช้งานทางคลินิก เราอาจเห็นการอนุมัติจาก FDA ของเครื่องมือคัดกรองต้อหินด้วย AI ภายในไม่กี่ปีข้างหน้า เนื่องจากการทดลองที่ประสบความสำเร็จ แอปพลิเคชันการแพทย์ทางไกลก็ใกล้จะนำไปปฏิบัติเช่นกัน อย่างไรก็ตาม การรักษาเพื่อฟื้นฟูการมองเห็น (การสร้างเส้นประสาทใหม่ที่แท้จริง) อาจต้องใช้เวลาหลายปีหรือหลายทศวรรษกว่าจะเป็นจริงทางคลินิก AI จะช่วยเร่งวิทยาศาสตร์ แต่การบำบัดเช่นการสร้าง RGC ใหม่ต้องเผชิญกับอุปสรรคทางชีวภาพ ในระหว่างนี้ ประโยชน์ที่ใช้งานได้จริงของ AI ส่วนใหญ่จะมาจากการตรวจพบที่เร็วขึ้นและการจัดการที่ชาญฉลาดขึ้น

สรุป

AI กำลังปรับปรุงการดูแลผู้ป่วยต้อหินในปัจจุบันอยู่แล้ว โดยทำให้การคัดกรองรวดเร็วขึ้น ถูกลง และการวินิจฉัยแม่นยำขึ้น การศึกษาจำนวนมากยืนยันความแม่นยำสูง: ตัวอย่างเช่น AI ที่ใช้สมาร์ทโฟน-ภาพถ่ายจอตา มีความไวประมาณ 94%/ความจำเพาะ 86% (pmc.ncbi.nlm.nih.gov) และแพลตฟอร์มการแพทย์ทางไกลมีความแม่นยำโดยรวมประมาณ 89.7% (pmc.ncbi.nlm.nih.gov) เครื่องมือเหล่านี้สามารถจัดลำดับความสำคัญของผู้ป่วยและลดกรณีที่พลาดไป สำหรับผู้ป่วย นี่หมายความว่าในไม่ช้าพวกเขาอาจเข้าถึงการตรวจต้อหินนอกคลินิกผู้เชี่ยวชาญได้ – แม้แต่บนโทรศัพท์มือถือ การตรวจพบตั้งแต่เนิ่นๆ ที่ขับเคลื่อนด้วย AI สามารถช่วยรักษาการมองเห็นผ่านการรักษาที่ทันท่วงที

เมื่อมองไปข้างหน้า ผลกระทบที่ยิ่งใหญ่ที่สุดของ AI อาจอยู่ใน พื้นที่ที่ยังไม่ได้นำไปใช้ แนวหน้าอยู่ที่การปกป้องและฟื้นฟูการมองเห็นหลังจากความเสียหาย การค้นพบยาที่ขับเคลื่อนด้วย AI (เช่นเดียวกับสารยับยั้ง RIPK3 หรืออื่นๆ) และการสร้างแบบจำลองการฝังอวัยวะเทียมด้วยคอมพิวเตอร์แสดงให้เห็นถึงหนทาง ทิศทางการวิจัยที่มีคุณค่าสูงรวมถึงการรวม AI เข้ากับจีโนมิกส์, การถ่ายภาพ และวิศวกรรมเนื้อเยื่อเพื่อแก้ไขปัญหาการสร้างเส้นประสาทใหม่

โดยสรุป AI สัญญาว่าจะให้ประโยชน์ในทางปฏิบัติอย่างมีนัยสำคัญในการคัดกรองและการจัดการต้อหินภายในไม่กี่ปีข้างหน้า สำหรับนักวิทยาศาสตร์ โอกาสที่ยิ่งใหญ่คือจุดตัดของ AI กับชีววิทยา: การใช้แบบจำลองเชิงคำนวณและข้อมูลขนาดใหญ่เพื่อขับเคลื่อนความก้าวหน้าในการปกป้องและสร้างเซลล์ระบบประสาทใหม่ ในขณะที่เทคโนโลยีและการแพทย์มาบรรจบกัน ทั้งผู้ป่วยและนักวิจัยควรติดตามข้อมูล เครื่องมือ AI ที่อิงหลักฐานกำลังจะมา และจะช่วยเสริม – แต่ไม่สามารถแทนที่ทั้งหมด – การดูแลต้อหินแบบดั้งเดิม การตรวจสอบที่ละเอียดถี่ถ้วนและการรวมเข้ากับการปฏิบัติงานทางคลินิกอย่างรอบคอบจะช่วยให้มั่นใจได้ว่าคำมั่นสัญญาของ AI จะเปลี่ยนเป็นผลลัพธ์ที่ดีขึ้นและการมองเห็นที่ฟื้นคืนมา