AI omformer forebyggende øjenpleje og beskytter synet

Øjne, et centralt sanseorgan, spiller en vigtig rolle i alle livets faser.

De leverer information til hjernen om omverdenen. Uden syn ville vi have svært ved at udføre daglige opgaver som at læse, lære, gå og interagere med vores miljø.

Godt syn er essentielt for at nyde uafhængighed og naturligvis livets glæder.

Men mere end 2,2 milliarder mennesker er ude af stand til at gøre det på grund af synsnedsættelse, som opstår som følge af en øjensygdom, der påvirker det visuelle system og dets funktioner. 

Katarakt, glaukom, refraktionsfejl, diabetisk retinopati, aldersrelateret makuladegeneration (AMD) og presbyopi er nogle af de førende årsager til synsnedsættelse.

Synsnedsættelse har alvorlige konsekvenser for en persons liv, hvoraf mange kan afbødes gennem rettidig adgang til kvalitetsøjenpleje. Ud over påvirkningen på enkeltpersoner pålægger synsnedsættelse også en betydelig økonomisk byrde, med de årlige globale omkostninger ved tabt produktivitet anslået til 411 milliarder dollars.

Som følge heraf er øjensygdomme, der kan forårsage synsnedsættelse og blindhed, det primære fokus for øjenplejestrategier.

AI i Oftalmologi

Da synsnedsættelse reducerer en persons livskvalitet og skaber en betydelig global økonomisk byrde, vender læger, videnskabsfolk og forskere sig mod kunstig intelligens (AI) for at transformere øjenpleje.

Den hurtigt udviklende teknologi har forbedret forretningsmæssig effektivitet og dataanalyse inden for finans, fremstilling, detailhandel, medier og sundhedssektoren.

Inden for sundhedspleje og medicin er AI’s indflydelse steget drastisk i de senere år. 

AI til tidlig påvisning: DR, Glaukom og AMD

Inden for oftalmologi muliggør AI tidlig påvisning af sygdomme som glaukom, diabetisk retinopati og AMD gennem analyse af retinalbilleder og patientdata. Her gør AI‑værktøjer det muligt at levere personlige interventioner samt automatiseret diagnose og screening. 

Teknologien giver også kirurgisk assistance, hjælper med at screene kandidater, optimere teknikker, minimere komplikationer og forudsige postoperative resultater.

Ifølge eksperter vil AI spille en stigende rolle i klinisk og kirurgisk praksis i fremtiden inden for anterior segment‑kirurgi, som fokuserer på øjets forreste strukturer for at behandle skader og tilstande som katarakt og hornhindesygdomme.

Teknologien anvendes allerede her til at screene og diagnosticere katarakt, klassificere kirurgiske faser og forudsige kirurgisk timing for at optimere operationsstue‑workflow. Desuden anvendes AI til optimal beregning af IOL‑styrke (intraokulær linse), som refererer til den refraktive styrke af den syntetiske linse, der implanteres under kataraktkirurgi for at erstatte den naturlige linse.

Der findes trods alt en stor mængde litteratur samt billeddata indsamlet gennem årene som en rutinemæssig praksis.

Swipe to scroll →

Hvordan LLM’er præsterer i forhold til oftalmologer

En undersøgelse fandt faktisk, at AI overgår ikke‑specialistlægers evne¹ til at vurdere øjenproblemer.

Ledet af University of Cambridge rapporterede undersøgelsen, at den kliniske viden og ræsonneringsevne i den populære store sprogmodel (LLM), GPT‑4, nu nærmer sig niveauet for specialist‑øjenlæger.

GPT‑4 blev testet mod ekspert‑øjenlæger, uspecialiserede junior‑læger og trainees, hvor hver gruppe fik præsenteret op til 87 scenarier om specifikke øjenproblemer. Spørgsmålene dækkede et bredt spektrum af øjenproblemer, hentet fra en lærebog, der bruges til at teste trainees, men som ikke er frit tilgængelig på internettet, hvilket gør det usandsynligt, at GPT‑4’s træningsdatasæt indeholdt dette indhold.

Lægerne skulle vælge en diagnose eller behandlingsanbefaling blandt fire muligheder. Ifølge undersøgelsen opnåede AI‑modellen højere score end junior‑lægerne og havde omtrent samme score som trainees og eksperter, selvom de bedst præsterende læger scorede højere end GPT‑4. 

LLM’er vil ikke erstatte sundhedsprofessionelle, men forskerne bemærkede, at de kan forbedre sundhedsplejen ved at levere diagnoser, råd og håndteringsforslag i visse kontekster.

Fra laboratorium til klinik: Resultater fra virkelige screenings

En nylig undersøgelse evaluerede AI’s implementering i glaukom‑detektion² i virkelige omgivelser.

Til dette udviklede de et automatiseret retinalfotograferings‑ og AI‑baseret screeningssystem for at vurdere acceptabilitet, gennemførlighed og nøjagtighed. Undersøgelsen rekrutterede personer på 50 år eller ældre, som fik deres retinalbilleder taget med et automatiseret funduskamera og analyseret af AI. 

AI‑systemet opnåede en AUROC på 0,80, hvilket viser teknologiens stærke evne til at skelne mellem tilstande. Sensitiviteten var 65 %, hvilket repræsenterer faktiske tilfælde korrekt identificeret af AI, mens specificiteten var 94,6 %, hvilket afspejler korrekt klassificering af raske individer. Blandt 161 patienter, der tidligere var udiagnosticerede, blev 18 (11,2 %) identificeret som refererbare glaukom. Undersøgelsen udtalte:

“På trods af udfordringer som lavere sensitivitet og begrænsninger i billedoptagelse viser systemet lovende potentiale for opportunistisk screening i primærplejeindstillinger.” 

En gennemgang³ fra Afdelingen for Oftalmologi ved Capital Medical University, Kina, udforskede samtidig anvendelser og udfordringer ved AI i myopi. 

I øjeblikket påvirker denne tilstand over to milliarder mennesker globalt, og inden 2050 forventes næsten halvdelen af verdens befolkning at være berørt. Når den forbliver ubehandlet, kan myopi forringe synet, forstyrre uddannelse og påvirke beskæftigelsesmuligheder, mens høj myopi kan forårsage permanent synstab. Så tidlig diagnose er vigtig for at håndtere progressionen og forhindre langsigtet synsskade.

Her kan AI tilbyde et lovende værktøj ved at analysere komplekse medicinske data.

For at opdage myopi kan AI‑modeller trænes på store mængder fundus‑fotos og OCT‑billeder og derefter lære at finde ændringer i retina, der er forbundet med myopi. AI kan også trænes til at opdage adfærdsmæssige ændringer, der er forbundet med myopi‑udbrud. Selv selvmonitoreringsudstyr som SVOne kan bruge AI til at opdage refraktionsfejl i øjnene. For at identificere risikofaktorer kan teknikker som logistisk regression, support‑vector‑maskine og XGBoost anvendes. 

Selvom AI kan hjælpe klinisk praksis og politisk beslutningstagning i kontrol af myopi, er der også udfordringer.

“Ved at opbygge høj‑kvalitets datasæt, forbedre modellens kapacitet til at behandle multimodale billeddata og forbedre menneske‑computer‑interaktionskapaciteten, kan AI‑modellerne yderligere forbedres til bred klinisk anvendelse.”

– Dr. Jifeng Yu

Adressere uligheden

Selvom synsproblemer er udbredte, er nedsættelsen mere fremherskende i lav‑ og mellemindkomstlande (LMIC’er) sammenlignet med højindkomstregioner. Ved at gøre flere mennesker screenet kan AI hjælpe med at bygge bro over kløften i regioner med begrænset adgang til specialiseret øjenpleje.

For dette har teknologigiganten Google skabt en AI‑model kaldet ARDA (Automated Retinal Disease Assessment), og for nylig har de licenseret AI‑modellen til påvisning af diabetisk retinopati til sundhedsteknologivirksomheder i Thailand og Indien.

“De vil etablere deres egne forretningsmodeller, men på siden vil de også levere screeninger til dem, der har mest brug for det, men ikke har råd. Blindhed fra diabetisk retinopati er fuldstændig forebyggelig, og det faktum, at vi ikke har kunnet udføre effektiv screening i nogle af disse områder, bør ikke tilgives.”

– Sunny Virmani, projektleder hos Google Health

Diabetes, som bliver mere udbredt i LMIC’er, kan alvorligt påvirke synet ved at forårsage sløret syn, diabetisk makulær ødem, glaukom og diabetisk retinopati. Sidstnævnte skyldes overskydende blodsukker, der beskadiger blodkar, hvilket fører til væskeudslip i øjet.

Diabetisk retinopati kan forårsage synsændringer, og til sidst kan en person blive blind. Men tidlig diagnose og behandling reducerer risikoen med op til 98 %. Dog får kun et lille antal af de diabetiske personer screenet.

For over et årti siden begyndte Dale Webster, forskningsdirektør hos Google Health, sammen med sine kolleger at teste AI’s evne til at diagnosticere sygdom ud fra medicinske billeder. 

Dette resulterede i ARDA, som kan diagnosticere sygdommen lige så effektivt som en oftalmolog.

For AI‑modellen screenede Google‑teamet 7.651 personer i tre regioner i Thailand mellem 2018 og 2020, hvor ARDA opnåede en nøjagtighed på 94,7 %, hvilket viser “at disse værktøjer er sikre og effektive.”

Click here for a list of the top ten rare disease specialist stocks.

AI’s gennembrud i håndtering af keratokonus

Midt i al denne fremgang har forskere nu udviklet en AI, der med succes kan forudsige, hvilke keratokonus‑patienter der sandsynligvis vil blive blinde, og dermed har brug for tidlig behandling og monitorering, år før læger kan. På den måde kan teknologien reducere unødvendige procedurer og forhindre synstab.

Keratokonus er en progressiv øjensygdom uden kendt årsag.

I denne tilstand deformeres hornhinden. Det er det klare, kuppelformede lag, der dækker iris og pupil, som tillader lys at trænge ind og hjælper med at fokusere det for klart syn.

Når hornhinden bliver tyndere og buler ud i en kegleform, kaldes det keratokonus. Ændringen i hornhindens form får lysstrålerne ud af fokus, hvilket forårsager forvrænget syn. Andre symptomer inkluderer blænding, lysfølsomhed og sløret syn. Dette gør daglige opgaver som at køre eller læse vanskelige.

Sygdommen udvikler sig ofte i de sene teenageår eller tidlige 20’ere og skrider frem over tid.

Selvom den præcise årsag er ukendt, kan den være genetisk; 1 ud af 10 personer med keratokonus har en forælder med samme tilstand. Keratokonus er også forbundet med overdreven øjengnidning, øjenallergi, hornhindetyndning på grund af kollagentab og bindevævssygdomme.

Typisk påvirker sygdommen begge øjne, men kan føre til meget forskellige synsforhold og symptomer mellem de to øjne.

Symptomerne på keratokonus forværres langsomt over en periode på ti til tyve år. I de tidlige stadier kan symptomerne omfatte rødme eller hævelse i øjet, øget lysfølsomhed og blænding, let sløret syn og let forvrænget syn. I senere stadier inkluderer symptomer ofte øget nærsynethed eller astigmatisme samt mere sløret og forvrænget syn.

Under de tidlige stadier kan synsproblemer ofte korrigeres med briller eller kontaktlinser, men i senere stadier kan stive gasgennemtrængelige kontaktlinser være nødvendige.

Men hvis den ikke behandles i tide og tilstanden bliver mere alvorlig, kan hornhindetransplantationer, Intacs (små hornhindimplantater) og hornhinde‑cross‑linking (CXL) blive nødvendige. Nu, for at diagnosticere keratokonus, monitorerer læger patienterne over tid.

Under rutinemæssige øjenundersøgelser vil en oftalmolog undersøge hornhinden og kan bruge specialiseret billeddannelse til at måle krumningen, hvilket vil vise eventuelle ændringer i formen.

“Keratokonus er en håndterbar tilstand, men at vide, hvem der skal behandles, og hvornår og hvordan behandlingen skal gives, er udfordrende. Desværre kan dette problem føre til forsinkelser, hvor mange patienter oplever synstab og kræver invasiv implantat‑ eller transplantationskirurgi.”

– Dr. José Luis Güell, ESCRS‑bestyrelsesmedlem og leder af afdelingen for Hornhinde, Katarakt og Refraktiv Kirurgi ved Instituto de Microcirugía Ocular, Spanien

Men forskere har nu opnået et gennembrud, der kan omforme øjenpleje ved at gøre AI i stand til at forudsige, hvilke keratokonus‑patienter der har brug for akut hornhindebehandling, før irreversibel skade indtræffer, hvilket potentielt kan redde synet og reducere transplantationsbehov.

Undersøgelsen blev for nylig præsenteret ved den 43. kongres for European Society of Cataract and Refractive Surgeons (ESCRS).

Redde menneskeligt syn & sundhedsressourcer

Udført af Dr. Shafi Balal og kolleger ved Moorfields Eye Hospital NHS Foundation Trust og University College London (UCL), brugte studiet AI til at analysere billeder af patienters øjne og kombinerede dem med andre data for at forudsige, hvilke keratokonus‑patienter der krævede øjeblikkelig behandling, og hvilke der kunne fortsætte med monitorering.

“Keratokonus forårsager synsnedsættelse hos unge, arbejdsdygtige patienter, og det er den mest almindelige årsag til hornhindetransplantation i den vestlige verden.”

– Dr. Balal

Med kun én enkelt behandling kaldet ‘cross‑linking’ kan sygdommens progression stoppes. Terapien involverer brug af ultraviolet lys og vitamin B2 (riboflavin) dråber for at stivne hornhinden.

Cross‑linking‑behandlingen skal dog udføres, før ardannelse bliver permanent, hvilket fjerner behovet for hornhindetransplantation. Den er faktisk succesfuld i over 95 % af tilfældene. Ifølge Dr. Balal:

“Dog kan læger i øjeblikket ikke forudsige, hvilke patienter der vil progresere og kræve behandling, og hvilke der vil forblive stabile med kun monitorering. Dette betyder, at patienter skal monitoreres hyppigt over mange år, med cross‑linking typisk udført efter at progression allerede er indtruffet.” 

Derfor kan AI diagnosticere keratokonus i tide.

For deres AI brugte studiet en gruppe patienter henvist til Moorfields Eye Hospital for keratokonus‑vurdering og monitorering, herunder scanning af øjets forside med OCT for at undersøge formen.

Optisk kohærens‑tomografi (OCT) er en ikke‑invasiv billedmetode, der bruger lysbølger til at tage høj‑opløsnings‑tværsnitsbilleder af retina. Teknikken anvendes bredt i oftalmologi til at diagnosticere tilstande som makuladegeneration, glaukom og diabetisk retinopati.  

Forskerne studerede 36.673 OCT‑billeder fra 6.684 patienter ved hjælp af AI. Forskerne fandt, at deres AI‑model kan præcist forudsige, om en patients tilstand vil forblive stabil eller forværres, udelukkende baseret på patientens første besøg.

Det betyder, at fra den indledende rutinekonsultation kan AI hjælpe læger med at forudsige, hvilke patienter sandsynligvis vil opleve progression, så tidlig behandling kan iværksættes før progression og sekundære ændringer opstår.

Ved hjælp af AI‑modellen sorterede forskerne patienterne i to grupper. Den ene gruppe var lav‑risiko, bestående af to‑tredjedele af patienterne, som ikke krævede behandling. Den anden var høj‑risiko‑gruppen, med en tredjedel af patienterne, som havde brug for øjeblikkelig cross‑linking‑behandling.

Når data fra det andet hospitalsbesøg blev inkluderet, kunne AI‑modellen klassificere op til 90 % af patienterne.

Dette gør studiet til det første af sin slags, der opnår så høj nøjagtighed i forudsigelse af keratokonus‑progressionsrisiko ved at kombinere scanninger og patientdata, udtaler Dr. Balal. Han tilføjede:

“Vores forskning viser, at vi kan bruge AI til at forudsige, hvilke patienter der har brug for behandling, og hvilke der kan fortsætte med monitorering.” 

Studiet, ifølge Dr. Balal, omfattede en stor gruppe patienter, der blev monitoreret i to år eller mere. Resultaterne antyder, at patienter med høj‑risiko‑keratokonus kan modtage forebyggende behandling, før deres tilstand forværres, hvilket hjælper med at forhindre synstab og reducere behovet for kompliceret hornhindetransplantationskirurgi og den tilhørende restitutionsbyrde.”

I mellemtiden kan lav‑risiko‑patienter undgå unødvendig monitorering, hvilket vil spare sundhedsressourcer. 

“Den effektive sortering af patienter ved hjælp af algoritmen vil gøre det muligt for specialister at blive omdirigeret til områder med størst behov.”

– Dr. Balal

Forskerne arbejder i øjeblikket på at udvikle en endnu mere kraftfuld AI‑algoritme, som vil blive trænet på millioner af øjenscanninger. Algoritmen kan tilpasses specifikke opgaver, såsom forudsigelse af keratokonus‑progression, samt påvisning af arvelige øjensygdomme og øjeninfektioner.

Hvis AI‑algoritmen “konsekvent demonstrerer sin effektivitet, vil denne teknologi i sidste ende forhindre synstab og mere vanskelige håndteringsstrategier hos unge, arbejdsdygtige patienter,” udtaler Dr. Güell, som ikke var involveret i forskningen.

Algoritmen vil nu gennemgå yderligere sikkerhedstest, før den kan implementeres i kliniske omgivelser.

Investering i AI‑drevet øjenpleje

Alcon AG (ALC.SW ) (ALC ) er et schweizisk baseret øjenpleje‑firma, der forsker i, fremstiller og sælger en række øjenplejeprodukter gennem Surgical og Vision Care til tilstande som katarakt, glaukom, retinalsygdomme og refraktionsfejl.

Alcon AG (ALC )

Med en markedsværdi på 39,6 milliarder $, handles ALC‑aktier i øjeblikket til 77,78 $, et fald på 8,81 % YTD og omkring 23 % fra sit topniveau over 100 $ sent sidste år. Med dette har den en EPS (TTM) på 2,25 og en P/E (TTM) på 34,41, mens udbytteafkastet er 0,43 %.

For Q2 2025 rapporterede Alcon en 4 % stigning i omsætningen til 2,6 milliarder $. Diluteret EPS for kvartalet var 0,35 $.

Virksomheden genererede 889 millioner $ i kontanter fra driften i denne periode, mens 681 millioner $ i fri cash‑flow blev rapporteret i første halvdel af 2025. Alcon returnerede 287 millioner $ til aktionærerne.

Efter at have bemærket “robust tidlig efterspørgsel” på nye produkter som Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager og Unity VCS, sagde administrerende direktør David J. Endicott:

“Selvom det stadig er tidligt, positionerer disse lanceringer os til at accelerere top‑line vækst, generere cash og levere langsigtet værdi for vores aktionærer.”

Click here to learn all about investing in artificial intelligence.

Latest Alcon AG (ALC) Stock News and Developments

Conclusion

Med titusinder af millioner mennesker verden over i risiko for synsnedsættelse eller blindhed markerer AI’s evne til at forudsige sygdomsprogression og vejlede behandlingsbeslutninger en ny æra inden for forebyggende øjenpleje. Efterhånden som algoritmerne bliver mere raffinerede, har AI potentialet til at styrke klinikere i at beskytte synet, reducere sundhedsudgifter og forbedre livskvaliteten.

Click here for a list of new advances targeting vision loss.

References:

<sup>1. Thirunavukarasu, A. J., Mahmood, S., Malem, A., Foster, W. P., Sanghera, R., Hassan, R., Zhou, S., Wong, S. W., Wong, Y. L., Chong, Y. J., Shakeel, A., Chang, Y.-H., Tan, B. K. J., Jain, N., Tan, T. F., Rauz, S., Ting, D. S. W., & Ting, D. S. J. (2024). Large language models approach expert-level clinical knowledge and reasoning in ophthalmology: A head-to-head cross-sectional study. PLOS Digital Health, (Version of Record), published 17 april 2024. https://doi.org/10.1371/journal.pdig.0000341
2. Jan, C. L., Joseph, S., Vingrys, A. J., et al. (2025). Prospective pragmatic trial of automated retinal photography and AI glaucoma screening in Australian primary care. npj Digital Medicine, 8, 386. (Version of Record), published 1 juli 2025. Received 9 marts 2025; accepted 2 juni 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L., & Yu, J. (2025). Application of artificial intelligence in myopia prevention and control. Pediatric Investigation, (Version of Record), published 18 marts 2025. https://doi.org/10.1002/ped4.70001</sup>