AI muuttaa ennaltaehkäisevää silmähoidoa ja suojaa näköä

Silmät, tärkeä aistielin, ovat olennaisia jokaisessa elämänvaiheessa.

Ne välittävät aivoille tietoa ulkomaailmasta. Ilman näkökykyä kamppailisimme päivittäisten tehtävien, kuten lukemisen, oppimisen, kävelyn ja ympäristön kanssa vuorovaikuttamisen, suorittamisessa.

Hyvä näkökyky on välttämätöntä itsenäisyyden nauttimiseksi ja elämän ilojen kokemiseksi.

Kuitenkin yli 2.2 miljardia ihmistä ei pysty tähän johtuen näkövammasta, joka johtuu silmien sairauksista, jotka vaikuttavat visuaaliseen järjestelmään ja sen toimintoihin.

Kaihi, glaukooma, refraktiot, diabeettinen retinopatia, vanhuuden aiheuttama makula-degeneraatio (AMD) ja presbyopia ovat joitain näkövammantuottajia.

Näkövammailla on merkittäviä seurauksia elämään, joista monet voidaan lieventää oikea-aikaisella laadukkaalla silmähoidolla. Silmäsairauksien vaikutus yksilöihin lisäksi aiheuttaa merkittävän taloudellisen taakan, ja vuotuinen globaali tuotannon menetys on arvioitu 411 miljardiksi dollariksi.

Silmäsairauksilla, jotka voivat aiheuttaa näkövammaa ja sokeutta, on ensisijainen fokus silmähoidon strategioissa.

Tekoäly silmälääketieteessä

Koska näkövamma heikentää elämänlaatua ja aiheuttaa merkittävän taloudellisen taakan, lääkärit, tutkijat ja tutkimusryhmät kääntyvät tekoälyn puoleen silmähoidon muuttamiseksi.

Nopeasti kehittyvä teknologia on parantanut liiketoimintaa ja data-analyysiä rahoituksen, valmistuksen, vähittäiskaupan, median ja terveydenhuollon aloilla.

Terveydenhuollossa ja lääketieteessä tekoälyn vaikutus on kasvanut merkittävästi viime vuosina.

Tehtävä varhaisen havaitsemisen: DR, glaukooma ja AMD

Silmälääketieteessä tekoäly mahdollistaa sairauksien, kuten glaukooman, diabeettisen retinopatian ja AMD:n, varhaisen havaitsemisen verkkokalvon kuvien ja potilastietojen analyysin kautta. Tässä tekoälytyökalut mahdollistavat yksilölliset interventiot ja automaattisen diagnosoinnin ja seulonnan.

Teknologia tarjoaa myös kirurgista apua, joka auttaa potilaiden seulontaa, optimoi tekniikoita, minimoi komplikaatioita ja ennustaa leikkausten jälkeisiä tuloksia.

Tehtävässä, jossa tekoäly tulee olemaan tulevaisuudessa yhä tärkeämmässä roolissa etummaisen silmän kirurgisessa käytännössä, joka keskittyy silmän etuosan rakenteisiin, hoitamaan vammoja ja sairauksia, kuten kaihia ja sidekalvovaurioita.

Jo nyt teknologiaa käytetään tähän tarkoitukseen kaihin seulontaan ja diagnosointiin, kirurgisten vaiheiden luokitteluun ja leikkausaikataulun optimointiin, jotta sairaaloiden työvirta olisi mahdollisimman sujuva. Lisäksi tekoälyä käytetään intraokulaarisen linssin (IOL) tehon laskemiseen, joka viittaa keinotekoiseen linssiin, joka asennetaan kaihileikkauksen yhteydessä luonnollisen linssin tilalle.

On olemassa runsaasti kirjallisuutta ja kuvamateriaalia, jota on kerätty vuosien varrella tavallisena käytännönä.

Swipe to scroll →

Miten LLM:t suoriutuvat verrattuna silmälääkäriin

Tutkimus osoitti, että tekoäly ylittää ei-erikoistuneiden lääkärien kyvyn¹ arvioida silmäongelmia.

Cambridgen yliopiston johdolla tehty tutkimus raportoi, että suosittu suuri kielineuraaliverkko (LLM), GPT-4, on saavuttanut silmäspesialistien tason.

GPT-4:ää testattiin silmäspesialistien, ei-erikoistuneiden nuorempien lääkärien ja koulutettujen lääkärien kanssa, ja jokainen sai 87 silmäongelmiin liittyvää skenaariota. Kysymykset kattoivat laajan valikoiman silmäongelmia, jotka otettiin oppikirjasta, jota käytetään kouluttamaan lääkäreitä, mutta jota ei ole vapaasti saatavilla internetissä, mikä tekee epätodennäköiseksi, että GPT-4:n koulutusaineistoihin sisältyy kyseistä sisältöä.

Lääkäreiden tuli valita diagnoosi tai hoito-ohje neljästä vaihtoehdosta. Tutkimuksen mukaan tekoälymalli saavutti korkeamman pisteytyksen kuin nuoremmat lääkärit testissä ja oli samalla tasolla kuin koulutetut lääkärit, vaikka parhaimmat lääkärit saavuttivat korkeamman pisteytyksen kuin GPT-4.

LLM:t eivät korvaava terveydenhuollon ammattilaisia, mutta tutkijat totesivat, että ne voivat parantaa terveydenhuoltoa tarjoamalla diagnooseja, neuvoja ja hoito-ehdotuksia tietyissä konteksteissa.

Labrasta kliiniseen: Todellisen maailman seulontatulokset

Äskettäinen tutkimus arvioi tekoälyn soveltamista glaukooman havaitsemisessa² todellisissa olosuhteissa.

Tätä varten he kehittivät automaattisen verkkokalvokuvaus- ja tekoälypohjaisen seulontajärjestelmän, jonka avulla arvioitiin sen hyväksyttävyyttä, toteutettavuutta ja tarkkuutta. Tutkimus rekrytoi 50-vuotiaita tai vanhempien ihmisten, joiden verkkokalvokuvat otettiin automaattisella verkkokalvokameralla ja analysoitiin tekoälyllä.

“Vaikka haasteita, kuten alhaisempaa herkkyyttä ja kuvanottolimitaatioita, järjestelmä osoittaa lupaavaa oportunistista seulontaa perusterveydenhuollon ympäristössä.”

Tekoälyjärjestelmä saavutti AUROC-arvon 0,80, mikä osoittaa teknologian vahvan kyvyn erottaa tilat. Herkkyys oli 65 %, mikä edustaa oikein tunnistettuja tapauksia tekoälyllä, kun taas tarkkuus oli 94,6 %, mikä heijastaa terveiden yksilöiden oikein luokiteltuja. 161 potilaasta, jotka eivät olleet aikaisemmin sairastaneet, 18 (11,2 %) todettiin glaukoomaksi.

Kiinan pääkaupungin yliopiston silmälääketieteen osaston katsaus³ tutki tekoälyn soveltamista ja haasteita silmien terveydenhuollossa.

Tällä hetkellä tämä tila vaikuttaa yli kahteen miljardiin ihmiseen maailmanlaajuisesti, ja vuoteen 2050 mennessä lähes puolet maailman väestöstä on arvioitu vaikuttuvan siihen. Jos sitä ei korjata, se voi heikentää näkökykyä, häiritä koulutusta ja vaikuttaa työllistymismahdollisuuksiin, kun taas korkea myopia voi aiheuttaa pysyvän näönmenetyksen. Siksi varhainen diagnoosi on tärkeää sen etenemisen hallitsemiseksi ja pitkän aikavälin näön vaurioittumisen estämiseksi.

Tässä tekoäly voi tarjota lupaavan työkalun analysoimalla monimutkaisia lääketieteellisiä tietoja.

Myopian havaitsemiseksi tekoälymallit voidaan kouluttaa suurilla määrillä verkkokalvokuvia ja OCT-kuvia ja opettaa tunnistamaan muutoksia verkkokalvossa, jotka liittyvät myopiaan. Tekoäly voidaan myös kouluttaa tunnistamaan käyttäytymiseen liittyviä muutoksia myopian alkuun liittyen. Jopa itseseulontalaitteet, kuten SVOne, voivat käyttää tekoälyä silmien refraktiovirheiden havaitsemiseen. Risikkitekijöiden löytämiseksi voidaan käyttää tekniikoita, kuten logistista regressiota, tukivektorikoneoppimista ja XGBoostia.

Vaikka tekoäly voi auttaa kliinistä käytäntöä ja päätöksentekoa myopian hallitsemisessa, se ei ole ilman haasteita.

“Rakentamalla laadukkaita aineistoja, parantamalla mallin kykyä prosessoida monimutkaisia kuvatietoja ja parantamalla ihmisen ja tietokoneen vuorovaikutuskykyä, tekoälymallit voidaan parantaa laajamittaiseen kliiniseen soveltamiseen.”

– Tohtori Jifeng Yu

Eristyvyyden korjaaminen

Vaikka silmäongelmat ovat yleisiä, vamma on yleisempi matalan ja keskitason tulotasoisten maissa (LMIC) verrattuna korkean tulotason alueisiin. Sallimalla enemmän ihmisiä osallistumaan seulontaan, tekoäly voi auttaa silmähoitoon pääsyyn rajoitettujen alueiden silloin, kun erikoistuneita silmähoitopalveluita ei ole saatavilla.

Tähän tarkoitukseen teknologiajätti Google on kehittänyt tekoälymallin nimeltä ARDA (Automaattinen verkkokalvotautien arviointi), ja äskettäin se lisensi tekoälymallin diabeettisen retinopatian havaitsemiseksi terveydenhuollon teknologia-alan yrityksille Thaimaassa ja Intiassa.

“He perustavat oman liiketoimintamallinsa, mutta samalla he tarjoavat seulontaa niille, joille se on eniten tarpeen, mutta eivät pysty sitä itse maksamaan. Diabeettisen retinopatian aiheuttama sokeus on täysin ehkäistävissä, ja sitä, ettei ole pystytty tekemään tehokasta seulontaa joissakin näistä paikoista, ei pidä antaa anteeksi.”

– Sunny Virmani, Google Healthin projektipäällikkö

Diabetes, josta on tullut yleisempi matalan ja keskitason tulotasoisten maissa, voi vaikuttaa vakavasti näkökykyyn aiheuttamalla sumeen näköä, diabeettisen makulaödeman, glaukooman ja diabeettisen retinopatian. Jälkimmäinen johtuu verensokerin ylenpitoisesta vahingoittamisesta verisuonia, josta seuraa nesteen vuoto silmään.

Diabeettinen retinopatia voi aiheuttaa muutoksia näössä, ja lopulta henkilö voi menettää näkökykynsä. On kuitenkin mahdollista vähentää riskiä jopa 98 prosentilla, jos diagnoosi ja hoito toteutetaan ajoissa. Mutta vain pieni osa diabeetikoista osallistuu säännöllisiin seulontoihin.

Google Healthin tutkimusjohtaja Dale Webster aloitti yli kymmenen vuotta sitten yhdessä kollegoidensa kanssa testaamalla tekoälyn kykyä diagnosoida sairauksia lääketieteellisistä kuvista.

Tuloksena oli ARDA, joka voi diagnosoida taudin yhtä tehokkaasti kuin silmälääkäri.

Tehtävässä, jossa tekoälymalli arvioitiin, Google-tiimi seuloi 7 651 henkilöä kolmessa Thaimaan alueessa vuosina 2018–2020, ja ARDA saavutti 94,7 prosentin tarkkuuden, osoittaen “ettei nämä työkalut ole turvallisia ja tehokkaita”.

Klikkaa tästä listaa kymmenestä harvinaisimmasta sairaudesta.

Tehtävän läpimurto keratoconuksen hoidossa

Kaiken tämän edistymisen keskellä tutkijat ovat nyt kehittäneet tekoälyjärjestelmän, joka voi onnistuneesti ennustaa, mitkä keratoconuspotilaat ovat todennäköisesti sokeutumaan, vaativat varhaisen hoidon ja seurantaa, vuosia ennen kuin lääkärit voivat. Tällä tavoin teknologia voi vähentää turhia toimenpiteitä ja estää näönmenetyksen.

Keratoconus on etenevä silmäsairaus, jolla ei ole tunnettuja syitä.

Tässä sairaudessa verkkokalvo muuttuu. Se on selkeä, kupumainen kerros, joka peittää iris- ja pupillialueen, ja sallii valon pääsyn ja auttaa valon fokusoimisessa terveen näön saavuttamiseksi.

Kun verkkokalvo ohenee ja muuttuu kartiomaiseksi, se on keratoconus. Verkkokalvon muodonmuutos saa valon säteet epätarkoituksenmukaisiksi, aiheuttaen näön häiriintymistä. Muita oireita ovat häikäisyherkkyys, valonarkuus ja sumeneva näkökyky. Tämä tekee päivittäisistä tehtävistä, kuten ajamisesta tai lukemisesta, vaikeita.

Tämä sairaus kehittyy usein myöhäisnuoruudessa tai varhaisaikuisuudessa ja etenee ajan myötä.

Vaikka sairauden tarkkaa syytä ei tiedetä, se voi olla perinnöllinen, ja joka kymmenes keratoconuspotilas on saanut sairautta perittyä vanhemmiltaan. Keratoconus liittyy myös liialliseen silmien rypyttelyyn, silmien allergioihin, verkkokalvon ohentumiseen kollageenin menetyksen vuoksi ja sidekudosihin.

Yleensä molemmat silmät vaikuttavat, mutta sairaus voi aiheuttaa erilaisia näkökykyä ja oireita silmien välillä.

Keratoconuksen oireet pahenevat hitaasti kymmenen ja kahdenkymmenen vuoden aikana. Varhaisvaiheessa oireita voi olla silmien punoitus tai turvotus, lisääntynyt herkkyyden valolle ja häikäistyksi, lievä näön sumeneminen ja lievästi häiriintynyt näkökyky. Myöhemmissä vaiheissa oireita voi olla lisääntynyt likinäköisyys tai astigmatismi ja sumeneva ja häiriintynyt näkökyky.

Varhaisessa vaiheessa näön ongelmat voidaan usein korjata silmälasien tai piilolinssien avulla, mutta myöhemmissä vaiheissa voi olla tarve jäykkiin kaasupermeabilisiin piilolinsseihin.

Mutta jos tila ei hoideta ajoissa ja sairaus pahenee, verkkokalvon siirto, Intacs (pienet verkkokalvon implantit) ja verkkokalvon ristinmuotoinen sitoutuminen (CXL) saattavat olla tarpeen.

Nyt, keratoconuksen diagnosoinnissa lääkärit seuraavat potilaita ajan myötä.

Rutiininomaisissa silmätarkastuksissa silmälääkäri tarkastelee verkkokalvoa ja voi käyttää erityisiä kuvantamismenetelmiä verkkokalvon muodon muutosten mittaamiseen.

“Keratoconus on hallittavissa oleva tila, mutta on haasteellista tietää, kenelle hoitoa on annettava, milloin ja miten. Valitettavasti tämä voi johtaa viivästymisiin, ja monet potilaat kokevat näönmenetyksen ja vaativat invasiivisia implantti- tai siirtorajoituksia.”

– Tohtori José Luis Güell, ESCRS-luottamusmies ja silmä- ja sidekalvokirurgian osaston johtaja Instituto de Microcirugía Ocularissa, Espanjassa

Mutta tutkijat ovat nyt saavuttaneet läpimurron, joka voi muuttaa silmähoidon mahdollistaen tekoälylle ennustaa, mitkä keratoconuspotilaat tarvitsevat kiireellistä hoitoa ennen kuin vauriot ovat peruuttamattomia, mahdollisesti pelastamalla näön ja vähentämällä siirtoja.

Tutkimus esiteltiin äskettäin 43. Euroopan katarakti- ja refraktiokirurgian seuran (ESCRS) kongressissa.

Näön ja terveydenhuollon resurssien säästäminen

Tutkimus, jota johtivat tohtori Shafi Balal ja kollegat Moorfieldsin silmäsairaalassa ja Lontoon yliopistossa (UCL), käytti tekoälyä analysoimaan potilaiden silmien kuvia ja yhdisti ne muihin tietoihin, jotta voitiin ennustaa, mitkä keratoconuspotilaat tarvitsivat välitöntä hoitoa ja mitkä voivat jatkaa seurantaa.

“Keratoconus aiheuttaa näön heikentymistä nuorilla, työikäisillä potilailla, ja se on yleisin syy verkkokalvon siirroille länsimaissa.”

– Tohtori Balal

Vain yhdellä hoidolla, “ristinmuotoisella sitoutumisella”, voidaan estää taudin eteneminen. Hoitoon kuuluu ultraviolettivalon ja riboflaviini (C-vitamiini) -tipat, joilla verkkokalvo kovettuu.

Ristinmuotoisen sitoutumisen hoito on tarpeen ennen kuin arpeutuminen on peruuttamaton, mikä poistaa verkkokalvon siirron tarpeen. Se on onnistunut yli 95 prosentissa tapauksista. Tohtori Balalin mukaan:

“Mutta lääkärit eivät voi tällä hetkellä ennustaa, mitkä potilaat etenevät ja tarvitsevat hoitoa, ja mitkä säilyvät vakaana seurannan aikana. Tämä tarkoittaa, että potilaiden on osallistuttava usein seurantaan useiden vuosien ajan, ja ristinmuotoista sitoutumista tehdään yleensä vasta, kun eteneminen on jo tapahtunut.”

Tästä syystä tekoäly voi diagnosoida keratoconuksen ajoissa.

Tutkimuksessa käytettiin potilasryhmää, joka oli lähetetty Moorfieldsin silmäsairaalassa keratoconuksen arviointiin ja seurantaan, mukaan lukien silmän etuosan tarkastelu OCT:llä sen muodon tutkimiseksi.

Optinen koherenssitomografia (OCT) on ei-invasiivinen kuvantamismenetelmä, joka käyttää valoaaltoja ottamaan korkearesoluutioisia, poikkileikkauskuvia verkkokalvosta. Menetelmää käytetään laajasti silmälääketieteessä diagnosoida sairauksia, kuten makula-degeneraatiota, glaukoomaa ja diabeettista retinopatiaa.

Tutkijat tutkivat 36 673 OCT-kuvaa 6 684 potilaalta tekoälyllä. Tutkijat totesivat, että heidän tekoälymallinsa voi tarkasti ennustaa, säilyykö potilaan tila vakaana vai paheneeko se, pelkästään potilaan ensimmäisen käynnin perusteella.

Tämä tarkoittaa, että alkuhoidon yhteydessä tekoäly voi auttaa lääkäreitä ennustamaan, mitkä potilaat ovat todennäköisesti etenemään, mahdollistaen varhaisen hoidon ennen etenemistä ja toissijaisten muutosten ilmaantumista.

Käyttämällä tekoälymallia tutkijat jakautuivat potilaat kahteen ryhmään.

Toisessa ryhmässä oli matala riski, johon kuului kaksi kolmasosaa potilaista, jotka eivät tarvinneet hoitoa. Toisessa ryhmässä oli korkea riski, johon kuului kolmasosa potilaista, jotka tarvitsivat välitöntä ristinmuotoista sitoutumishoitoa.

Kun toisen sairaalakäynnin tiedot otettiin huomioon, tekoälymalli pystyi luokittelemaan jopa 90 prosenttia potilaista.

Tämä tekee tutkimuksesta ensimmäisen, joka on saavuttanut tämän tason tarkkuutta keratoconuksen etenemisen ennustamisessa yhdistämällä skannauksia ja potilastietoja, tohtori Balal totesi. Hän lisäsi:

“Tutkimuksemme osoittaa, että voimme käyttää tekoälyä ennustamaan, mitkä potilaat tarvitsevat hoitoa ja mitkä voivat jatkaa seurantaa.”

Tutkimus, johon osallistui suuri potilasryhmä, jota seurattiin vähintään kaksi vuotta, osoittaa, että keratoconuspotilaat, joilla on korkea riski, voivat saada ennaltaehkäisevää hoitoa ennen taudin etenemistä, mikä auttaa estämään näönmenetyksen ja vähentämään monimutkaisten verkkokalvon siirtoleikkausten ja niiden palautumisen taakan. Vastaavasti matalan riskin potilaat voivat välttää turhia seurantoja, mikä säästää terveydenhuollon resursseja.

“Algoritmin tehokas potilaiden luokittelu mahdollistaa erikoislääkärien uudelleenohjauksen alueille, joissa on suurin tarve.”

– Tohtori Balal

Tutkijat työskentelevät parhaillaan kehittääkseen entistä voimakkaamman tekoälyalgoritmin, joka voidaan kouluttaa miljoonilla silmäskannauksilla. Algoritmi voidaan räätälöidä tiettyihin tehtäviin, kuten keratoconuksen etenemisen ennustamiseen, sekä periytyvien silmäsairauksien ja silmätulehdusten havaitsemiseen.

Jos tekoälyalgoritmi “osoittaa johdonmukaisesti tehokkuutensa, tämä teknologia lopulta estää näönmenetyksen ja vaikeamman hallinnan nuorilla, työikäisillä potilailla”, tohtori Güell totesi, joka ei ollut mukana tutkimuksessa.

Algoritmi menee nyt läpi lisäturvatarkastelun ennen kuin se voidaan ottaa käyttöön kliinisessä ympäristössä.

Tehtävän sijoittaminen tekoälyllä

Alcon AG (ALC ) on Sveitsissä toimiva silmähoidon yritys, joka tutkii, valmistaa ja myy silmähoidon tuotteita kirurgisia ja visuaalisen hoidon tuotteita silmäsairauksien, kuten kaihin, glaukooman, verkkokalvon sairauksien ja refraktiivisten virheiden, hoitoon.

Alcon AG (ALC )

Markkina-arvolla 39,6 miljardia dollaria ALC-osakkeet kaupataan tällä hetkellä 77,78 dollarilla, mikä on 8,81 prosenttia vähemmän vuoden alusta ja noin 23 prosenttia edellisvuoden lopun yli 100 dollarin huipusta. Sillä on EPS (TTM) 2,25 ja P/E (TTM) 34,41, ja osingon tuotto on 0,43 prosenttia.

Toisen neljänneksen osalta Alcon raportoi 4 prosentin myyntikasvun 2,6 miljardiin dollariin. Diluoitu EPS oli 0,35 dollaria.

Yritys tuotti 889 miljoonaa dollaria kassavirtaa toiminnastaan tässä jaksossa, ja se raportoi 681 miljoonan dollarin vapaan rahan virran ensimmäisellä puoliskolla vuonna 2025. Alcon palautti 287 miljoonaa dollaria osakkeenomistajille.

Huomauttaessaan “vankkaa varhaiskauden kysyntää” uusille tuotteille, kuten Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager ja Unity VCS, toimitusjohtaja David J. Endicott sanoi:

“Vaikka se on vielä varhainen, nämä julkaisut asettavat meidät kiihdyttämään liikevaihtoa, luomaan kassavirtaa ja tarjoamaan pitkän aikavälin arvoa osakkeenomistajillemme.”

Klikkaa tästä, niin saat tietoa tekoälyyn sijoittamisesta.

Uusimmat Alcon AG (ALC) Osakeuutiset ja kehitykset

Johtopäätös

Kymmenien miljoonien ihmisten ollessa vaarassa näkövammaa tai sokeutta maailmanlaajuisesti, tekoälyn kyky ennustaa sairauksien etenemistä ja ohjata hoitopäätöksiä merkitsee uuden aikakauden ennaltaehkäisevälle silmähoidolle. Kun algoritmit tulevat entistä kehittyneemmiksi, tekoälyllä on potentiaalia antaa silmälääkäreille mahdollisuus suojella näkökykyä, vähentää terveydenhuollon kustannuksia ja parantaa elämänlaatua.

Klikkaa tästä, niin saat tietoa uusista edistysaskelista, jotka kohdistuvat näönmenetykseen.

Viitteet:

<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). Prospektiivinen pragmatismi automaattisen verkkokalvokuvaus- ja tekoälypohjaisen glaukoomaseulonnan tutkimisesta Australian perusterveydenhuollossa. npj Digital Medicine, 8, 386. (Version of Record), published 1 July 2025. Received 9 March 2025; accepted 2 June 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L., & Yu, J. (2025). Tekoälyn soveltaminen myopian ehkäisemisessä ja hallinnassa. Pediatric Investigation, (Version of Record), published 18 March 2025. https://doi.org/10.1002/ped4.70001</sup>