Tekoäly muokkaa ennaltaehkäisevää silmähoitoa ja suojaa näköä

Silmät, keskeinen aistielin, näyttelevät tärkeää roolia jokaisessa elämämme vaiheessa.

Ne syöttävät aivoille tietoa ulkomaailmasta. Ilman näköä kamppailisimme päivittäisten tehtävien, kuten lukemisen, oppimisen, kävelemisen ja ympäristömme kanssa vuorovaikuttamisen, kanssa.

Hyvä näkö on välttämätöntä itsenäisyyden nauttimiseksi ja tietysti elämän ilojen kokemiseen.

Kuitenkin, enemmän kuin 2,2 miljardia ihmistä eivät pysty siihen näkövajeen vuoksi, joka johtuu silmäsairaudesta, joka vaikuttaa näköjärjestelmään ja sen toimintoihin. 

Kaihi, glaukooma, refraktiovirheet, diabeteksen aiheuttama retinopatia, ikään liittyvä makuladegeneraatio (AMD) ja presbyopia ovat joitakin johtavia näkövajeen syitä.

Näkövajeellä on vakavia seurauksia elämälle, joista monet voidaan lievittää ajoissa saatavilla laadukkaalla silmähoidolla. Yksilöiden vaikutusten lisäksi näkövaje aiheuttaa merkittävän taloudellisen rasituksen, ja maailmanlaajuinen vuotuinen menetykseen liittyvä tuottavuuden kustannus on arvioitu 411 miljardiin dollariin.

Tämän seurauksena silmäsairaudet, jotka voivat aiheuttaa näkövajeen ja sokeuden, ovat silmähoitostrategioiden ensisijainen kohde.

Tekoäly oftalmologiassa

Koska näkövaje heikentää henkilön elämänlaatua ja aiheuttaa merkittävän globaalin taloudellisen rasituksen, lääkärit, tutkijat ja tiedemiehet kääntyvät tekoälyn (AI) puoleen silmähoidon mullistamiseksi.

Nopeasti kehittyvä teknologia on parantanut liiketoiminnan tehokkuutta ja data-analytiikkaa rahoituksen, valmistuksen, vähittäiskaupan, median ja terveydenhuollon aloilla.

Terveydenhuollossa ja lääketieteessä tekoälyn vaikutus on noussut dramaattisesti viime vuosina. 

Tekoäly varhaiseen havaitsemiseen: DR, Glaukooma ja AMD

Oftalmologiassa, erityisesti, tekoäly mahdollistaa glaukooman, diabeteksen aiheuttaman retinopatian ja AMD:n kaltaisten sairauksien varhaisen havaitsemisen analysoimalla verkkokalvokuvia ja potilastietoja. Tekoälytyökalut mahdollistavat henkilökohtaiset toimenpiteet ja automatisoidun diagnoosin ja seulonnan. 

Teknologia tarjoaa myös kirurgista apua, auttaen seulomaan ehdokkaita, optimoimaan tekniikoita, minimoimaan komplikaatioita ja ennustamaan leikkauksen jälkeisiä tuloksia.

Asiantuntijoiden mukaan tekoäly tulee näyttelemään yhä suurempaa roolia kliinisessä ja kirurgisessa käytännössä tulevaisuuden etuosan leikkauksissa, jotka keskittyvät silmän eturakenteisiin hoitaakseen vammoja ja sairauksia kuten kaihi ja sarveiskalvon häiriöt.

Jo nyt teknologiaa käytetään näissä tehtävissä kaihin seulontaan ja diagnosointiin, kirurgisten vaiheiden luokitteluun sekä leikkausaikataulun ennustamiseen OR-työvirran optimoimiseksi. Lisäksi tekoälyä sovelletaan IOL:n (intraokulaarilasin) voimakkuuden optimaaliseen laskemiseen, mikä viittaa synteettisen linssin refraktiiviseen vahvuuteen, joka istutetaan kaihileikkauksen aikana korvaamaan luonnollinen linssi.

Lopulta on olemassa paljon kirjallisuutta sekä vuosien aikana rutiinikäytännönä kerättyä kuvadataa.

Swipe to scroll →

Miten LLM:t suoriutuvat silmälääkäreihin verrattuna

Tutkimus itse asiassa havaitsi, että AI ylittää ei-spesialististen lääkärien kyvyn¹ arvioida silmäongelmia.

Cambridge’n yliopiston johdolla tutkimus raportoi, että suositun suuren kielimallin (LLM) GPT-4:n kliininen tieto ja päättelytaidot lähestyvät nyt silmälääkärien tasoa.

GPT-4 testattiin asiantuntija-silmälääkäreitä, ei-spesialisoituja nuoria lääkäreitä ja harjoittelijoita vastaan, ja jokaiselle esitettiin jopa 87 tapausta, jotka koskivat erityisiä silmäongelmia. Kysymykset kattoivat laajan kirjon silmäongelmia, otettuina oppikirjasta, jota käytetään harjoittelijoiden testaukseen, mutta joka ei ole vapaasti internetissä saatavilla, mikä tekee epätodennäköiseksi, että GPT-4:n koulutusdata sisälsi kyseistä sisältöä.

Lääkärien piti valita diagnoosi tai hoitosuositus neljästä vaihtoehdosta. Tutkimuksen mukaan AI-malli sai korkeammat pisteet kuin nuoret lääkärit testissä ja sai suunnilleen samat pisteet kuin harjoittelijat ja asiantuntijat, vaikka parhaat lääkärit saivat korkeammat pisteet kuin GPT-4. 

Tutkijat totesi, että LLM:t eivät korvaa terveydenhuollon ammattilaisia, mutta ne voivat parantaa terveydenhuoltoa tarjoamalla diagnooseja, neuvoja ja hoitosuosituksia tietyissä yhteyksissä.

Laboratoriosta klinikkaan: todelliset seulontatulokset

Äskettäinen tutkimus arvioi tekoälyn toteutusta glaukooman havaitsemisessa² todellisissa olosuhteissa.

Tähän he kehittivät automatisoidun verkkokalvokuvauksen ja AI-pohjaisen seulontajärjestelmän arvioidakseen sen hyväksyttävyyttä, toteutettavuutta ja tarkkuutta. Tutkimus rekrytoi yli 50‑vuotiaita henkilöitä, joille otettiin verkkokalvokuvia automatisoidulla funduskameralla ja analysoitiin AI:n avulla. 

AI-järjestelmä saavutti AUROC‑arvon 0.80, mikä osoittaa teknologian vahvan kyvyn erottaa tilat toisistaan. Herkkyys oli 65 %, mikä tarkoittaa, että AI tunnisti oikein todelliset tapaukset, kun taas spesifisyys oli 94,6 %, mikä heijastaa terveiden henkilöiden tarkkaa luokittelua. 161:stä aiemmin diagnosoimattomasta potilaasta 18 (11,2 %) tunnistettiin viitattavaksi glaukoomaksi. Tutkimus totesi:

“Huolimatta haasteista, kuten alhaisemmasta herkkyydestä ja kuvantamisen rajoituksista, järjestelmä osoittaa lupaavuutta opportunistisessa seulonnassa perusterveydenhuollon ympäristössä.” 

Samaan aikaan Kiinan Capital Medical Universityn silmätautiosasto teki katsauksen³ tekoälyn sovelluksista ja haasteista myopiaa vastaan.

Tällä hetkellä tämä tila vaikuttaa yli kahteen miljardiin ihmiseen maailmanlaajuisesti, ja vuoteen 2050 mennessä lähes puolet maailman väestöstä odotetaan olevan sitä kärsiviä. Jos myopiaa ei korjata, se voi heikentää näköä, häiritä koulutusta ja vaikuttaa työllistymismahdollisuuksiin, kun taas korkea myopia voi aiheuttaa pysyvän näköhäiriön. Siksi varhainen diagnoosi on tärkeä sen etenemisen hallinnassa ja pitkäaikaisen näkövaurion ehkäisemisessä.

Tekoäly voi tarjota lupaavan työkalun analysoimalla monimutkaista lääketieteellistä dataa.

Tekoälymalleja voidaan kouluttaa suurilla määrillä funduskuvia ja OCT-kuvia myopian havaitsemiseksi, ja ne opetetaan löytämään verkkokalvon muutoksia, jotka liittyvät myopiaan. Tekoälyä voidaan myös kouluttaa havaitsemaan käyttäytymismuutoksia, jotka liittyvät myopian alkamiseen. Jopa itsevalvontalaitteet kuten SVOne voivat käyttää tekoälyä silmien refraktiovirheiden havaitsemiseen. Riskitekijöiden löytämiseksi voidaan käyttää tekniikoita kuten logistinen regressio, tukivektori kone ja XGBoost.

Vaikka tekoäly voi auttaa kliinistä käytäntöä ja politiikan tekemistä myopian hallinnassa, se ei ole ilman haasteita.

“Rakentamalla korkealaatuisia tietoaineistoja, parantamalla mallin kykyä käsitellä multimodaalista kuvadataa ja parantamalla ihmisen ja tietokoneen vuorovaikutuskykyä, tekoälymalleja voidaan edelleen kehittää laajamittaista kliinistä soveltamista varten.”

– Dr. Jifeng Yu

Eriarvoisuuden ratkaiseminen

Vaikka näköongelmat ovat yleisiä, näkövaje on yleisempää matalan ja keskitulotason maissa (LMIC) verrattuna korkean tulotason alueisiin. Antamalla useammille ihmisille mahdollisuuden seulontaan, tekoäly voi auttaa kaventamaan kuilua alueilla, joilla on rajoitettu pääsy erikoissilmähoitoon.

Tätä varten teknologiayritys Google on luonut AI-mallin nimeltä ARDA (Automated Retinal Disease Assessment), ja äskettäin se lisensoi AI-mallin diabeteksen aiheuttaman retinopatian havaitsemiseksi terveydenhuollon teknologiayrityksille Thaimaassa ja Intiassa.

“He perustavat omia liiketoimintamallejaan, mutta samalla he myös tarjoavat seulontoja ihmisille, jotka tarvitsevat sitä eniten, mutta eivät pysty siihen. Diabeteksen aiheuttama sokeus on täysin ehkäistävissä, eikä se, että emme ole pystyneet tekemään tehokasta seulontaa joillakin näistä paikoista, ole anteeksi annettavissa.”

– Sunny Virmani, projektipäällikkö Google Health

Diabetes, joka yleistyy LMIC-maissa, voi vakavasti vaikuttaa näköön aiheuttaen sumuista näköä, diabeteksen aiheuttamaa makulaturvotusta, glaukoomaa ja diabeteksen aiheuttamaa retinopatiaa. Jälkimmäinen johtuu liiallisesta verensokerista, joka vahingoittaa verisuonia ja aiheuttaa nesteen vuotamista silmään.

Diabeteksen aiheuttava retinopatia voi aiheuttaa näön muutoksia, ja lopulta henkilö voi tulla sokeaksi. Kuitenkin varhainen diagnoosi ja hoito vähentävät riskiä jopa 98 %. Mutta vain pieni osa diabetesta sairastavista saa seulonnan.

Yli kymmenen vuotta sitten Dale Webster, Google Healthin tutkimusjohtaja, yhdessä kollegojensa kanssa aloitti tekoälyn kyvyn testaamisen diagnosoida sairauksia lääketieteellisistä kuvista. 

Tämä johti ARDA:han, joka voi diagnosoida sairauden yhtä tehokkaasti kuin oftalmologi.

Tämän AI-mallin osalta Google-tiimi seuloi 7 651 henkilöä kolmella alueella Thaimaassa vuosina 2018–2020, ja ARDA saavutti 94,7 % tarkkuuden, mikä osoitti “että nämä työkalut ovat turvallisia ja tehokkaita.”

Klikkaa tästä saadaksesi luettelon kymmenestä parhaasta harvinaissairauksien erikoistuneesta osakkeesta.

Tekoälyn läpimurto keratokonushoidossa

Kaiken tämän edistyksen keskellä tutkijat ovat kehittäneet tekoälyn, joka pystyy menestyksekkäästi ennustamaan, mitkä keratokonuspotilaat todennäköisesti menettävät näkökykynsä, ja siten tarvitsevat varhaista hoitoa ja seurantaa vuosia ennen kuin lääkärit voivat. Näin teknologia voi vähentää tarpeettomia toimenpiteitä ja estää näköhäviön.

Keratokonus on etenevä silmäsairaus, jonka syytä ei tunneta.

Tässä tilassa sarveiskalvo käpristyy. Se on kirkas, kupolimainen kerros, joka peittää iiriksen ja pupillin, sallii valon sisään ja auttaa tarkentamaan sen selkeää näköä varten.

Kun sarveiskalvo ohenee ja pullistuu kartiomaiseksi, sitä kutsutaan keratokonukseksi. Muutos sarveiskalvon muodossa saa valonsäteet epätarkkuuteen, aiheuttaen vääristynyttä näköä. Muita oireita ovat häikäisy, valolle herkkyys ja sumuinen näkö. Tämä tekee päivittäisistä tehtävistä, kuten ajamisesta tai lukemisesta, vaikeita.

Tämä sairaus kehittyy usein myöhäisnuoruudessa tai varhaisessa 20‑vuotiaana ja etenee ajan myötä.

Vaikka tarkkaa syytä ei tiedetä, se voi olla perinnöllinen, sillä 1 kymmenestä keratokonuspotilaasta on vanhempi, jolla on myös keratokonus. Keratokonus liittyy myös liialliseen silmän hankaamiseen, silmäallergioihin, sarveiskalvon ohentumiseen kollageenin menetyksen vuoksi ja sidekudosongelmiin.

Tyypillisesti vaikuttaen molempiin silmiin, sairaus voi aiheuttaa hyvin erilaisia näkö- ja oiretiloja silmien välillä.

Keratokonusoireet pahenevat hitaasti kymmenen–kaksikymmentä vuotta. Varhaisessa vaiheessa oireita voivat olla silmien punoitus tai turvotus, lisääntynyt valolle ja häikäisylle herkkyys, lievä näön sumeneminen ja hieman vääristynyt näkö. Myöhemmissä vaiheissa oireita ovat usein lisääntynyt likinäköisyys tai astigmatismi sekä entistä sumuisempi ja vääristymäisempi näkö.

Varhaisissa vaiheissa näköongelmat voidaan usein korjata silmälaseilla tai piilolinsseillä, mutta myöhemmissä vaiheissa saatetaan tarvita jäykkiä kaasuläpivälitteisiä piilolinssejä.

Jos hoitoa ei saada ajoissa ja tila pahenee, saatetaan tarvita sarveiskalvon siirtoja, Intacs-implanteja (pieniä sarveiskalvon implantteja) ja sarveiskalvon ristisidontaa (CXL). Nyt keratokonusdiagnoosia varten lääkärit seuraavat potilaita ajan myötä.

Säännöllisissä silmätutkimuksissa oftalmologi tarkastelee sarveiskalvoa ja voi käyttää erikoiskuvantamista kaarevuuden mittaamiseen, mikä paljastaa mahdolliset muodon muutokset.

“Keratokonus on hallittavissa oleva tila, mutta sen hoidon kohteiden, ajankohdan ja hoitotavan tunteminen on haastavaa. Valitettavasti tämä ongelma voi johtaa viivästyksiin, jolloin monet potilaat kokevat näköhäviön ja tarvitsevat invasiivista implantti- tai siirtoleikkausta.”

– Dr. José Luis Güell, ESCRS Trustee and Head of the Cornea, Cataract and Refractive Surgery Department at the Instituto de Microcirugía Ocular, Spain

Mutta tutkijat ovat nyt saavuttaneet läpimurron, joka voi muuttaa silmähoitoa mahdollistamalla tekoälyn ennustaa, mitkä keratokonuspotilaat tarvitsevat kiireellistä sarveiskalvon hoitoa ennen peruuttamattoman vaurion alkamista, mikä voi mahdollisesti pelastaa näön ja vähentää siirtoja.

Tutkimus esiteltiin äskettäin esitelty 43. Euroopan Kataraktin ja Refraktiivisten Kirurgien (ESCRS) kongressissa.

Ihmisen näön ja terveydenhuollon resurssien säästäminen

Dr. Shafi Balalin ja hänen kollegoidensa toteuttama tutkimus Moorfields Eye Hospital NHS Foundation Trustissa ja University College Londonissa (UCL) käytti tekoälyä analysoimaan potilaiden silmäkuvia ja yhdistämään ne muihin tietoihin ennustaakseen, mitkä keratokonuspotilaat tarvitsevat välitöntä hoitoa ja mitkä voivat jatkaa seurantaa.

“Keratokonus aiheuttaa näkövajeen nuorilla, työikäisillä potilailla, ja se on yleisin syy sarveiskalvon siirtoon länsimaissa.”

– Dr. Balal

Yhdellä ainoalla hoitomuodolla, nimeltään ‘ristisidonta’, sairauden eteneminen voidaan pysäyttää. Hoito sisältää ultraviolettivalon ja B2-vitamiinin (riboflaviini) tippojen käytön sarveiskalvon jäykistämiseksi.

Ristisidontahoito täytyy kuitenkin suorittaa ennen kuin arpikudokset muuttuvat pysyviksi, mikä poistaa sarveiskalvon siirron tarpeen. Se on todellakin onnistunut yli 95 % tapauksista. Dr. Balalin mukaan:

“Kuitenkin lääkärit eivät tällä hetkellä pysty ennustamaan, mitkä potilaat etenevät ja tarvitsevat hoitoa, ja mitkä pysyvät vakaana pelkän seurannan avulla. Tämä tarkoittaa, että potilaat tarvitsevat tiheää seurantaa vuosien ajan, ja ristisidonta suoritetaan yleensä sen jälkeen, kun eteneminen on jo tapahtunut.” 

Siksi tekoäly voi diagnosoida keratokonuksen ajoissa.

Tutkimuksessa AI:lle käytettiin potilasryhmää, joka oli lähetetty Moorfields Eye Hospitaliin keratokonusarviointia ja seurantaa varten, mukaan lukien silmän etuosan skannaus OCT:llä sen muodon tarkastamiseksi.

Optinen koherenssitanatografia (OCT) on ei-invasiivinen kuvantamismenetelmä, joka käyttää valoaaltoja ottaakseen korkean tarkkuuden poikkileikkauskuvia verkkokalvosta. Tekniikkaa käytetään laajasti oftalmologiassa diagnosoimaan tiloja kuten makuladegeneraatio, glaukooma ja diabeteksen aiheuttama retinopatia.

Tutkijat tutkivat 36 673 OCT-kuvaa 6 684 potilaasta käyttäen tekoälyä. Tutkijat havaitsivat, että heidän AI-mallinsa voi tarkasti ennustaa, pysyykö potilaan tila vakaana vai heikkenee, pelkästään potilaan ensimmäisen käynnin perusteella.

Tämä tarkoittaa, että aloitusrutiinitapaamisesta AI voi auttaa lääkäreitä ennustamaan, mitkä potilaat todennäköisesti kokevat etenemistä, mahdollistaen varhaisen hoidon ennen etenemistä ja toissijaisia muutoksia.

Tekoälymallia käyttäen tutkijat jaksoivat potilaat kahteen ryhmään. Yksi ryhmä oli matalan riskin, koostuen kahdesta kolmasosasta potilaista, jotka eivät tarvinneet hoitoa. Toinen oli korkean riskin ryhmä, jossa yksi kolmasosa potilaista tarvitsi välittömän ristisidontahoidon.

Kun mukaan otettiin tiedot toisesta sairaalakäynnistä, AI-malli pystyi luokittelemaan jopa 90 % potilaista.

Tämä tekee tutkimuksesta ensimmäisen laatuaan, joka saavuttaa näin korkean tarkkuuden keratokonuksen etenemisriskin ennustamisessa yhdistämällä skannaukset ja potilastiedot, totesi Dr. Balal. Hän lisäsi:

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

Tutkimus, totesi Dr. Balal, sisälsi suuren potilasryhmän, jota seurattiin kahden vuoden tai pidempään. Tulokset viittaavat siihen, että korkean riskin keratokonuspotilaat voisivat saada ennaltaehkäisevän hoidon ennen kuin tila etenee, mikä auttaa estämään näköhäviön ja vähentämään monimutkaisen sarveiskalvon siirtoleikkauksen ja sen toipumisen tarvetta.

Samaan aikaan matalan riskin potilaat voivat välttää tarpeetonta seurantaa, mikä säästää terveydenhuollon resursseja.

“Algoritmin tehokas potilaiden lajittelu mahdollistaa erikoislääkäreiden ohjaamisen alueille, joilla on suurin tarve.”

– Dr. Balal

Tutkijat työskentelevät parhaillaan kehittääkseen entistä tehokkaamman AI-algoritmin, joka koulutetaan miljoonilla silmäskaaneilla. Algoritmia voidaan räätälöidä erityistehtäviin, kuten keratokonuksen etenemisen ennustamiseen, sekä perinnöllisten silmäsairauksien ja silmäinfektioiden havaitsemiseen.

Jos AI-algoritmi “todistaa johdonmukaisesti tehokkuutensa, tämä teknologia estäisi lopulta näköhäviön ja vaikeammat hoitostrategiat nuorilla, työikäisillä potilailla,” sanoi Dr. Güell, joka ei ollut mukana tutkimuksessa.

Algoritmia testataan nyt edelleen turvallisuuden osalta ennen kuin se voidaan ottaa käyttöön kliinisessa ympäristössä.

Sijoittaminen tekoälypohjaiseen silmähoitoon

Alcon AG (ALC.SW ) (ALC ) on Sveitsissä toimiva silmähoitoyritys, joka tutkii, valmistaa ja myy silmähoitotuotteiden sarjan kirurgian ja näköhoidon kautta sairauksiin kuten kaihi, glaukooma, verkkokalvosairaudet ja refraktiovirheet.

Alcon AG (ALC )

Markkina-arvolla 39,6 miljardia dollaria, ALC-osakkeet käyvät tällä hetkellä hintaan 77,78 dollaria, mikä on 8,81 % lasku vuoden alusta ja noin 23 % sen huippuhinnasta yli 100 dollaria viime vuoden lopulla. Tällä perusteella sen EPS (TTM) on 2,25 ja P/E (TTM) 34,41, kun taas osinkotuotto on 0,43 %.

Vuoden 2025 toisen neljänneksen osalta Alcon raportoi 4 % myynnin kasvun 2,6 miljardiin dollariin. Neljänneksen laimennettu EPS oli 0,35 dollaria.

Yritys tuotti 889 miljoonaa dollaria käteistä toiminnasta tänä aikana, kun taas 681 miljoonaa dollaria vapaan kassavirran määrä kirjattiin vuoden 2025 ensimmäiselle puoliskolle. Alcon palautti 287 miljoonaa dollaria osakkeenomistajille.

Huomaten “vahvan varhaisen kysynnän” uusille tuotteille kuten Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager, ja Unity VCS, toimitusjohtaja David J. Endicott sanoi:

“Vaikka on vielä varhaista, nämä lanseeraukset asettavat meidät nopeuttamaan liikevaihdon kasvua, tuottamaan kassavirtaa ja tarjoamaan pitkäaikaista arvoa osakkeenomistajillemme.”

Klikkaa tästä oppiaksesi kaiken tekoälyyn sijoittamisesta.

Uusimmat Alcon AG ALC osakeuutiset ja kehitys

Johtopäätös

Kun kymmenet miljoonat ihmiset maailmanlaajuisesti ovat vaarassa kärsiä näkövajeesta tai sokeudesta, tekoälyn kyky ennustaa sairauden etenemistä ja ohjata hoitopäätöksiä merkitsee uutta aikakautta ennaltaehkäisevässä silmähoidossa. Kun algoritmit tarkentuvat, tekoälyllä on potentiaalia valtuuttaa kliinikoita suojelemaan näköä, vähentämään terveydenhuoltokustannuksia ja parantamaan elämänlaatua.

Klikkaa tästä saadaksesi luettelon uusista edistysaskeleista, jotka kohdistuvat näköhäviön torjumiseen.

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). Suuret kielimallit lähestyvät asiantuntijatason kliinistä tietoa ja päättelykykyä oftalmologiassa: suora vertailututkimus. PLOS Digital Health, (Versio rekisteröidyssä), julkaistu 17. huhtikuuta 2024. https://doi.org/10.1371/journal.pdig.0000341
2. Jan, C. L., Joseph, S., Vingrys, A. J., ym. (2025). Prospektiivinen pragmaattinen koe automatisoidusta verkkokalvokuvauksesta ja AI-glaukooman seulonnasta Australian perusterveydenhuollossa. npj Digital Medicine, 8, 386. (Versio rekisteröidyssä), julkaistu 1. heinäkuuta 2025. Saapunut 9. maaliskuuta 2025; hyväksytty 2. kesäkuuta 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L., & Yu, J. (2025). Tekoälyn soveltaminen myopian ehkäisyyn ja hallintaan. Pediatric Investigation, (Versio rekisteröidyssä), julkaistu 18. maaliskuuta 2025. https://doi.org/10.1002/ped4.70001</sup>