AI-baseret glaukomscreening kan revolutionere øjensundheden
Forestil dig at gå ind i et supermarked, en togstation eller et indkøbscenter og have dine øjne afskærmet inden for få sekunder efter glaukom - ingen aftale påkrævet. Med det AI-baserede Glaucoma Screening (AI-GS) netværk kan denne vision snart blive til virkelighed. Grøn stær er den mest almindelige årsag til irreversibel blindhed i Japan og på verdensplan. Tidlig opdagelse er kritisk, fordi sygdommen skrider stille frem og langsomt begrænser det perifere syn. Patienter bemærker ofte ikke dette synstab i starten, hvilket betyder, at omfattende og irreversibel skade kan opstå, før en patient overhovedet tænker på at bestille en lægetid. Som følge heraf forbliver mange sager på grund af begrænset tilgængelighed...
AI-baseret glaukomscreening kan revolutionere øjensundheden
Forestil dig at gå ind i et supermarked, en togstation eller et indkøbscenter og have dine øjne afskærmet inden for få sekunder efter glaukom - ingen aftale påkrævet. Med det AI-baserede Glaucoma Screening (AI-GS) netværk kan denne vision snart blive til virkelighed.
Grøn stær er den mest almindelige årsag til irreversibel blindhed i Japan og på verdensplan. Tidlig opdagelse er kritisk, fordi sygdommen skrider stille frem og langsomt begrænser det perifere syn. Patienter bemærker ofte ikke dette synstab i starten, hvilket betyder, at omfattende og irreversibel skade kan opstå, før en patient overhovedet tænker på at bestille en lægetid. Som et resultat forbliver mange tilfælde udiagnosticerede på grund af den begrænsede tilgængelighed af øjenlæger og udfordringerne ved at udføre massescreeninger, især i ressourcebegrænsede regioner.
"Af denne grund har vi udviklet en ny, hurtig, bærbar testmetode. Den analyserer flere nøgleindikatorer for glaukom, integrerer resultaterne og bestemmer tilstedeværelsen af sygdommen med hidtil uset præcision," forklarer professor Toru Nakazawa (Tohoku University).
AI-GS blev udviklet af et forskerhold ledet af Nakazawa og lektor Parmanand Sharma ved Graduate School of Medicine (Tohoku University).
AI-GS-netværket blev tilbagetestet på et datasæt med 8.000 fundusbilleder af øjet (hvor der opstår glaukomskade), hvilket opnåede en imponerende sensitivitet på 93,52 % ved 95 % specificitet - et niveau, der kan sammenlignes med ekspert øjenlæger. I modsætning til traditionelle AI-modeller udmærker dette system sig ved at opdage glaukom i tidlige stadier, selv i tilfælde, hvor fundusabnormaliteter er subtile og svære at opdage.
En stor udfordring i AI-drevet sundhedsvæsen er manglen på fortolkning - det såkaldte "black box"-problem, hvor det er uklart, hvilke skridt AI’en tog for at nå frem til en konklusion. AI-GS løser dette ved at give numeriske værdier for hver diagnostisk funktion, hvilket giver øjenlæger mulighed for at forstå og gennemgå deres beslutningsproces. Denne gennemsigtighed forbedrer tilliden og letter problemfri integration i klinisk praksis.
Et andet vigtigt aspekt, der gjorde den praktiske implementering så enkel som muligt, var størrelsen. Med kun 110 MB er AI-GS-netværket designet til portabilitet og effektivitet. Det kræver minimal computerkraft og giver diagnostiske resultater på et sekund.
AI-GS bringer grøn stærscreening på ekspertniveau i din lomme og supplerer specialvurderinger. Den kan køres på en mobil enhed og bruges på alle mulige offentlige steder på grund af dens bærbarhed. De kan udføre screeninger på togstationer eller endda fjerntliggende regioner, der ellers har begrænset adgang til øjenlæger. “
Parmanand Sharma, lektor, Tohoku University
"Denne AI-teknologi bygger bro over et kritisk hul i glaukomdetektion ved at gøre diagnostik på specialniveau tilgængelig for undertjente samfund," bemærker professor Nakazawa. Ved at muliggøre tidlig opdagelse i stor skala har vi potentialet til at forhindre blindhed for millioner af mennesker verden over. “
Med sin høje nøjagtighed, AI-forklaring og lette design repræsenterer AI-GS-netværket et stort gennembrud inden for AI-drevet oftalmologi, der bringer glaukomscreening ud af hospitaler og ind i hverdagen. Storstilet implementering af dette system kan revolutionere grøn stærbehandling og sikre, at ingen patient bliver udiagnosticeret på grund af manglende adgang til specialister.
Kilder:
Sharma, P.,et al. (2025). En hybrid multi-model kunstig intelligens-tilgang til glaukom-screening ved hjælp af fundusbilleder. npj Digital Medicin. doi.org/10.1038/s41746-025-01473-w.