Kunstig intelligens omformer forebyggende øyepleie og beskytter synet

Øynene, et viktig sanseorgan, spiller en viktig rolle i alle livets faser.

De gir hjernen informasjon om omverdenen. Uten syn ville vi slite med å utføre daglige oppgaver som å lese, lære, gå og samhandle med omgivelsene våre.

Godt syn er avgjørende for å nyte uavhengighet og, selvfølgelig, livets gleder.

Imidlertid er mer enn 2,2 milliarder mennesker ute av stand til dette på grunn av en synsnedsettelse, som oppstår på grunn av en øyetilstand som påvirker det visuelle systemet og dets funksjoner. 

Katarakt, glaukom, refraktive feil, diabetisk retinopati, aldersrelatert makuladegenerasjon (AMD) og presbyopi er noen av de viktigste årsakene til synsnedsettelse.

Synsnedsettelse har alvorlige konsekvenser for en persons liv, mange av dem kan dempes gjennom rettidig tilgang til kvalitetsøyepleie. Utover påvirkningen på enkeltpersoner medfører synsnedsettelse også en betydelig økonomisk byrde, med de årlige globale kostnadene for tapt produktivitet anslått til 411 milliarder dollar.

Som et resultat er øyetilstander som kan forårsake synsnedsettelse og blindhet hovedfokuset i øyepleiestrategier.

KI i oftalmologi

Ettersom synsnedsettelse reduserer en persons livskvalitet og skaper en betydelig global økonomisk byrde, vender leger, forskere og forskere seg til kunstig intelligens (KI) for å transformere øyepleien.

Den raskt utviklende teknologien har forbedret forretningsvirksomhet og dataanalyse innen finans, produksjon, detaljhandel, media og helsevesen.

Innen helsevesen og medisin har påvirkningen fra KI økt dramatisk de siste årene. 

KI for tidlig oppdagelse: DR, glaukom og AMD

I oftalmologi, spesielt, gjør KI det mulig å tidlig oppdage sykdommer som glaukom, diabetisk retinopati og AMD gjennom analyse av netthinneskanninger og pasientdata. Her gjør KI‑verktøy det mulig med personlig tilpassede intervensjoner samt automatisert diagnose og screening. 

Teknologien gir også kirurgisk assistanse, hjelper med å screene kandidater, optimalisere teknikker, minimere komplikasjoner og forutsi postoperative resultater.

Ifølge eksperter vil KI spille en økende rolle i klinisk og kirurgisk praksis i fremtiden for fremre segmentkirurgi, som fokuserer på øyets fremre strukturer for å behandle skader og tilstander som katarakt og korneale lidelser.

Allerede brukes teknologien her til å screene og diagnostisere katarakt, klassifisere kirurgiske faser og forutsi kirurgisk timing for å optimalisere operasjonsrommets arbeidsflyt. Videre brukes KI til optimal beregning av IOL (intraokulær linse) styrke, som refererer til den refraktive styrken til den syntetiske linsen som implanteres under kataraktkirurgi for å erstatte den naturlige linsen.

Det finnes tross alt mye litteratur samt bildedata samlet over årene som en rutinemessig praksis.

Swipe to scroll →

Hvordan LLM-er presterer vs. oftalmologer

En studie fant faktisk at KI overgår evnen til ikke‑spesialiserte leger¹ til å vurdere øyeproblemer.

Ledet av University of Cambridge rapporterte studien at den kliniske kunnskapen og resonneringsferdighetene til den populære store språkmodellen (LLM), GPT-4, nå nærmer seg nivået til spesialiserte øyeleger.

GPT-4 ble testet mot erfarne øyeleger, uspesialiserte juniorleger og traineer, hvor hver fikk presentert opptil 87 scenarier om spesifikke øyeproblemer. Spørsmålene dekket et bredt spekter av øyeproblemer, hentet fra en lærebok som brukes til å teste traineer, men som ikke er fritt tilgjengelig på internett, noe som gjør det usannsynlig at GPT-4s treningsdatasett inneholdt dette innholdet.

Legene måtte velge en diagnose eller behandlingsråd fra fire alternativer. Ifølge studien oppnådde KI-modellen høyere poeng enn juniorleger i testen og hadde omtrent samme poengsum som traineer og eksperter, selv om de best presterende legene scoret høyere enn GPT-4. 

LLM-er vil ikke erstatte helsepersonell, sa forskerne, men bemerket at de kan forbedre helsetjenester ved å gi diagnoser, råd og behandlingsforslag i visse sammenhenger.

Fra laboratorium til klinikk: Resultater fra screening i virkeligheten

En nylig studie evaluerte KI-implementering i glaukomdeteksjon² i virkelige omgivelser.

For dette utviklet de et automatisert netthinnesfotograferings‑ og KI‑basert screeningssystem for å vurdere akseptabilitet, gjennomførbarhet og nøyaktighet. Studien rekrutterte personer på 50 år eller eldre med netthinneskanninger tatt med en automatisert funduskamera og analysert av KI. 

KI‑systemet oppnådde en AUROC på 0.80, noe som viser teknikkens sterke evne til å skille mellom tilstander. Sensitiviteten var 65 %, som representerer faktiske tilfeller korrekt identifisert av KI, mens spesifisiteten var 94,6 %, som reflekterer nøyaktig klassifisering av friske individer. Blant 161 pasienter som tidligere var udiagnostiserte, ble 18 (11,2 %) identifisert som refererbar glaukom. Studien uttalte:

«Til tross for utfordringer som lavere sensitivitet og begrensninger i bildeinnsamling, viser systemet lovende resultater for opportunistisk screening i primærhelsetjenesten.» 

En gjennomgang³ av avdelingen for oftalmologi ved Capital Medical University, Kina, utforsket samtidig anvendelser og utfordringer med KI i myopi. 

For øyeblikket påvirker denne tilstanden over to milliarder mennesker globalt, og innen 2050 forventes nesten halvparten av verdens befolkning å bli rammet. Når den ikke korrigeres, kan myopi svekke synet, forstyrre utdanning og påvirke jobbmuligheter, mens høy myopi kan forårsake permanent synstap. Så tidlig diagnose er viktig for å håndtere progresjonen og forhindre langsiktig synsskade.

Her kan KI tilby et lovende verktøy ved å analysere komplekse medisinske data.

For å oppdage myopi kan KI-modeller trenes på store mengder fundusbilder og OCT‑bilder og deretter læres opp til å finne endringer i netthinnen som er assosiert med myopi. KI kan også trenes til å oppdage atferdsendringer knyttet til begynnelsen av myopi. Selv overvåkningsutstyr som SVOne kan bruke KI til å oppdage refraktive feil i øynene. For å avdekke risikofaktorer kan teknikker som logistisk regresjon, support vector maskin og XGBoost brukes.

Selv om KI kan hjelpe klinisk praksis og politikkutforming med å kontrollere myopi, er det ikke uten utfordringer.

«Ved å bygge høy‑kvalitets datasett, forbedre modellens evne til å behandle multimodale bildedata, og forbedre menneske‑datamaskin‑interaksjonskapasiteten, kan KI‑modellene videre forbedres for bred klinisk anvendelse.»

– Dr. Jifeng Yu

Adressere ulikheten

Selv om visuelle problemer er utbredt, er nedsettelsen mer vanlig i lav‑ og mellominntektsland (LMIC) sammenlignet med høyinntektsregioner. Ved å la flere bli screenet, kan KI bidra til å bygge bro over gapet i regioner med begrenset tilgang til spesialisert øyepleie.

For dette har teknologigiganten Google opprettet en KI‑modell kalt ARDA (Automated Retinal Disease Assessment), og nylig lisensierte den KI‑modellen for å oppdage diabetisk retinopati til helseteknologiselskaper i Thailand og India.

«De vil etablere sine egne forretningsmodeller, men ved siden av vil de også levere screening til folk som trenger det mest, men som ikke har råd. Blindhet fra diabetisk retinopati er helt forebyggbar, og faktumet at vi ikke har kunnet utføre effektiv screening i noen av disse stedene, bør ikke tilgis.»

– Sunny Virmani, prosjektleder hos Google Health

Diabetes, som blir stadig mer vanlig i LMIC, kan alvorlig påvirke synet ved å forårsake uklart syn, diabetisk makulærødem, glaukom og diabetisk retinopati. Sistnevnte skyldes overdreven blodsukker som skader blodkar, noe som fører til væskeutslipp i øyet.

Diabetisk retinopati kan forårsake endringer i synet, og til slutt kan en person bli blind. Imidlertid reduserer tidlig diagnose og behandling risikoen med opptil 98 %. Men kun et lite antall personer med diabetes blir screenet.

Så, for over et tiår siden, begynte Dale Webster, forskningsdirektør hos Google Health, sammen med sine kolleger, å teste KI sin evne til å diagnostisere sykdom fra medisinske bilder.

Dette resulterte i ARDA, som kan diagnostisere sykdommen like effektivt som en oftalmolog.

For KI‑modellen screenet Google‑teamet 7 651 personer i tre regioner i Thailand mellom 2018 og 2020, med ARDA som oppnådde en nøyaktighet på 94,7 %, og viste «at disse verktøyene er trygge og effektive».

Klikk her for en liste over de ti beste aksjene innen sjeldne sykdommer.

KIs gjennombrudd i håndtering av keratokonus

Midt i all denne fremgangen har forskere nå utviklet en KI som med suksess kan forutsi hvilke keratokonuspasienter som sannsynligvis vil bli blinde, og dermed kreve tidlig behandling og oppfølging, år før leger kan. På denne måten kan teknologien redusere unødvendige prosedyrer og forhindre synstap.

Keratokonus er en progressiv øyetilstand uten kjent årsak.

I denne tilstanden blir hornhinnen forvridd. Det er det klare, kuppelformede laget som dekker iris og pupillen, som lar lys komme inn og hjelper med å fokusere det for klart syn.

Så når hornhinnen tynnes ut og buler ut i en kjegleform, kalles det keratokonus. Endringen i hornhinnens form gjør at lysstrålene blir uskarpe, noe som forårsaker forvrengt syn. Andre symptomer inkluderer blending, lysfølsomhet og uklart syn. Dette gjør daglige oppgaver som å kjøre eller lese vanskelig.

Denne sykdommen utvikler seg ofte i slutten av tenårene eller tidlig i 20‑årene og progresserer over tid.

Selv om den eksakte årsaken til sykdommen er ukjent, kan den være genetisk, med 1 av 10 personer med keratokonus som har en forelder som også har den. Keratokonus er også relatert til overdreven gnidning av øynene, øyeallergi, tynning av hornhinnen på grunn av kollagentap og bindevevssykdommer.

Vanligvis påvirker den begge øynene, men sykdommen kan faktisk føre til svært ulike syn og symptomer mellom de to øynene.

Symptomene på keratokonus forverres sakte over en periode på ti til tjue år. I tidlig fase kan symptomene inkludere rødhet eller hevelse i øyet, økt lysfølsomhet og blending, mildt uklart syn og lett forvrengt syn. I senere stadier inkluderer symptomene ofte økt nærsynthet eller astigmatisme samt mer uklart og forvrengt syn.

I de tidlige stadiene kan synsproblemer ofte korrigeres med briller eller kontaktlinser, men i senere stadier kan stive gasspermeable kontaktlinser være nødvendig.

Men hvis den ikke behandles i tide og tilstanden blir mer alvorlig, kan hornhinnetransplantasjoner, Intacs (små hornhinnimplantater) og hornhinnelinkning (CXL) være nødvendig. Nå, for å diagnostisere keratokonus, overvåker leger pasienter over tid.

Under rutinemessige øyeundersøkelser vil en oftalmolog undersøke hornhinnen og kan bruke spesialisert bildediagnostikk for å måle krumningen, som vil vise eventuelle endringer i formen.

«Keratokonus er en håndterbar tilstand, men å vite hvem som skal behandles, og når og hvordan behandlingen skal gis, er utfordrende. Dessverre kan dette problemet føre til forsinkelser, med mange pasienter som opplever synstap og krever invasiv implantat‑ eller transplantasjonskirurgi.»

– Dr. José Luis Güell, ESCRS‑styreleder og leder for avdelingen for hornhinne, katarakt og refraktiv kirurgi ved Instituto de Microcirugía Ocular, Spania

Men forskere har nå oppnådd et gjennombrudd som kan omforme øyepleien ved å gjøre det mulig for KI å forutsi hvilke keratokonuspasienter som trenger akutt hornhinnbehandling før irreversibel skade oppstår, potensielt redde synet og redusere antall transplantasjoner.

Studien ble nylig presentert på den 43. kongressen til European Society of Cataract and Refractive Surgeons (ESCRS).

Redde menneskelig syn & helsevesenets ressurser

Gjennomført av Dr. Shafi Balal og kolleger ved Moorfields Eye Hospital NHS Foundation Trust og University College London (UCL), brukte studien KI til å analysere bilder av pasientenes øyne og kombinerte dem med andre data for å forutsi hvilke keratokonuspasienter som trengte umiddelbar behandling og hvilke som kunne fortsette med oppfølging.

«Keratokonus forårsaker synsnedsettelse hos unge, yrkesaktive pasienter, og det er den vanligste årsaken til hornhinnetransplantasjon i den vestlige verden.»

– Dr. Balal

Med kun én enkelt behandling kalt ‘cross‑linking’, kan progresjonen av sykdommen stoppes. Terapien innebærer bruk av ultrafiolett lys og vitamin B2 (riboflavin) dråper for å stivne hornhinnen.

Cross‑linking‑behandlingen må imidlertid utføres før arrdannelse blir permanent, noe som fjerner behovet for hornhinnetransplantasjon. Den er faktisk vellykket i over 95 % av tilfellene. Ifølge Dr. Balal:

«Imidlertid kan leger for øyeblikket ikke forutsi hvilke pasienter som vil progresere og kreve behandling, og hvilke som vil forbli stabile med kun oppfølging. Dette betyr at pasienter trenger hyppig oppfølging over mange år, med cross‑linking vanligvis utført etter at progresjon allerede har skjedd.» 

Dermed kan KI diagnostisere keratokonus i tide.

For sin KI brukte studien en gruppe pasienter henvist til Moorfields Eye Hospital for keratokonusvurdering og oppfølging, inkludert skanning av øyets front med OCT for å undersøke formen.

Optisk koherenstomografi (OCT) er en ikke‑invasiv bildemetode som bruker lysbølger for å ta høyoppløselige, tverrsnittsbilder av netthinnen. Teknikken brukes bredt i oftalmologi for å diagnostisere tilstander som makuladegenerasjon, glaukom og diabetisk retinopati.  

Forskerne studerte 36 673 OCT‑bilder av 6 684 pasienter ved hjelp av KI. Forskerne fant at KI‑modellen deres kan nøyaktig forutsi om en pasients tilstand vil forbli stabil eller forverres, basert kun på pasientens første besøk.

Dette betyr at fra den første rutinemessige konsultasjonen kan KI hjelpe leger med å forutsi hvilke pasienter som sannsynligvis vil oppleve progresjon, slik at tidlig behandling kan gis før progresjon og sekundære endringer oppstår.

Ved å bruke KI‑modellen sorterte forskerne pasientene i to grupper. En gruppe var lavrisiko, bestående av to tredjedeler av pasientene som ikke trengte behandling. Den andre var høyrisikogruppen, med en tredjedel av pasientene som trengte umiddelbar cross‑linking‑behandling.

Når data fra det andre sykehusbesøket ble inkludert, kunne KI‑modellen klassifisere opptil 90 % av pasientene.

Dette gjør studien til den første av sitt slag som oppnår så høy nøyaktighet i å forutsi risikoen for keratokonusprogresjon ved bruk av en kombinasjon av skanninger og pasientdata, sa Dr. Balal. Han la til:

«Vår forskning viser at vi kan bruke KI til å forutsi hvilke pasienter som trenger behandling og hvilke som kan fortsette med oppfølging.» 

Studien, bemerket Dr. Balal, involverte en stor gruppe pasienter som ble fulgt i to år eller mer. Resultatene antyder at pasienter med høy‑risiko keratokonus kan få forebyggende behandling før tilstanden progresserer, noe som bidrar til å forhindre synstap og redusere behovet for kompliserte hornhinnetransplantasjonsoperasjoner og deres rehabiliteringsbelastning.

Samtidig kan lav‑risikopasienter unngå unødvendig oppfølging, noe som vil spare helsevesenets ressurser.

«Den effektive sorteringen av pasienter ved hjelp av algoritmen vil gjøre det mulig å omdirigere spesialister til områder med størst behov.»

– Dr. Balal

Forskerne jobber for tiden med å utvikle en enda kraftigere KI‑algoritme, som vil bli trent på millioner av øyeskanninger. Algoritmen kan tilpasses spesifikke oppgaver, som å forutsi keratokonusprogresjon, samt oppdage arvelige øyesykdommer og øyeinfeksjoner.

Hvis KI‑algoritmen «konsekvent demonstrerer sin effektivitet, vil denne teknologien til slutt forhindre synstap og mer kompliserte behandlingsstrategier hos unge, yrkesaktive pasienter», sa Dr. Güell, som ikke var involvert i forskningen.

Algoritmen vil nå gjennomgå ytterligere sikkerhetstesting før den kan tas i bruk i klinisk setting.

Investere i KI-drevet øyepleie

Alcon AG (ALC.SW ) (ALC ) er et sveitsisk basert øyepleieselskap som forsker, produserer og selger en rekke øyepleieprodukter gjennom Surgical og Vision Care for tilstander som katarakt, glaukom, netthinnesykdommer og refraktive feil.

Alcon AG (ALC )

Med en markedsverdi på 39,6 milliarder dollar, handles ALC‑aksjene for øyeblikket til 77,78 dollar, ned 8,81 % år‑til‑dato og omtrent 23 % fra toppnivået over 100 dollar sent i fjor. Med dette har selskapet en EPS (TTM) på 2,25 og en P/E (TTM) på 34,41, mens utbytteavkastningen er 0,43 %.

For Q2 2025 rapporterte Alcon en 4 % økning i salget til 2,6 milliarder dollar. Utvannet EPS for kvartalet var 0,35 dollar.

Selskapet genererte 889 millioner dollar i kontanter fra driften i denne perioden, mens 681 millioner dollar i fri kontantstrøm ble rapportert i første halvdel av 2025. Alcon returnerte 287 millioner dollar til aksjonærene.

Med bemerket «robust tidlig etterspørsel» etter nye produkter som Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager og Unity VCS, sa administrerende direktør David J. Endicott:

«Selv om det fortsatt er tidlig, posisjonerer disse lanseringene oss til å akselerere inntektsvekst, generere kontanter og levere langsiktig verdi for våre aksjonærer.»

Klikk her for å lære alt om investering i kunstig intelligens.

Siste Alcon AG (ALC) aksjer nyheter og utviklinger

Konklusjon

Med titalls millioner mennesker verden over i risiko for synsnedsettelse eller blindhet, markerer KIs evne til å forutsi sykdomsprogresjon og veilede behandlingsbeslutninger en ny æra for forebyggende øyepleie. Etter hvert som algoritmene blir mer raffinert, har KI potensialet til å styrke klinikere i å beskytte synet, redusere helsekostnader og forbedre livskvaliteten.

Klikk her for en liste over nye fremskritt som retter seg mot synstap.

Referanser:

<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, (Versjon av posten), publisert 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. (Versjon av posten), publisert 1 juli 2025. Mottatt 9. mars 2025; akseptert 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, (Versjon av posten), publisert 18. mars 2025. https://doi.org/10.1002/ped4.70001</sup</sup>