AI ay Binabago ang Preventive Eye Care at Pinoprotektahan ang Paningin

Ang mga mata, isang mahalagang pandama, ay may mahalagang papel sa bawat yugto ng buhay natin.

Nagbigay ito ng impormasyon sa utak tungkol sa labas ng mundo. Kung walang paningin, mahihirapan tayo na magpakita ng mga gawain araw-araw tulad ng pagbabasa, pag-aaral, paglalakad, at pakikitungo sa ating kapaligiran.

Ang magandang paningin ay mahalaga para sa pagtatamasa ng kalayaan at, siyempre, sa mga kagalakan ng buhay.

Gayunpaman, higit sa 2.2 bilyong tao ay hindi makakagawa nito dahil sa may kapansanan sa paningin, na nangyayari dahil sa isang kondisyon sa mata na naaapektuhan ang sistemang pangtanaw at ang mga tungkulin nito.

Ang mga katarata, glaucoma, mga error sa refraksiyon, diabetic retinopathy, age-related macular degeneration (AMD), at presbyopia ay ilan sa mga nangungunang sanhi ng kapansanan sa paningin.

Ang kapansanan sa paningin ay may malubhang mga resulta sa buhay ng isang tao, kung saan marami sa mga ito ay maaaring mapigilan sa pamamagitan ng tamang access sa quality eye care. Bukod sa epekto nito sa mga indibidwal, ang kapansanan sa paningin ay may malaking financial burden din, na ang taunang global na gastos ng lost productivity ay tinatayang $411 bilyon.

Bilang resulta, ang mga kondisyon sa mata na maaaring magdulot ng kapansanan sa paningin at pagkabulag ay ang pangunahing pagtuon ng mga istrategiya sa eye care.

AI sa Ophthalmology

Dahil ang kapansanan sa paningin ay nakakaapekto sa kalidad ng buhay ng isang tao at lumilikha ng malaking global na economic burden, ang mga doktor, siyentipiko, at mananaliksik ay tumutungo sa artificial intelligence (AI) upang baguhin ang eye care.

Ang mabilis na umuusad na teknolohiya ay nagpapabuti sa efisiensiya ng negosyo at pagsusuri ng data sa iba’t ibang larangan tulad ng pinansya, paggawa, retail, media, at healthcare.

Sa healthcare at medisina, ang impluwensiya ng AI ay biglang tumataas sa mga nagdaang taon.

AI para sa Maagang Pagkakilala: DR, Glaucoma, at AMD

Sa ophthalmology, ang AI ay nagpapahintulot ng maagang pagkakilala ng mga sakit tulad ng glaucoma, diabetic retinopathy, at AMD sa pamamagitan ng pagsusuri ng mga larawan ng retina at data ng pasyente. Dito, ang mga tool ng AI ay nagpapahintulot ng personalized interventions at automated diagnosis at screening.

Ang teknolohiya ay nagbibigay din ng tulong sa surgery, na tumutulong sa pag-screen ng mga kandidato, pag-optimize ng mga pamamaraan, pagbawas ng mga komplikasyon, at paghula sa postoperative outcomes.

Ayon sa mga eksperto, ang AI ay magkakaroon ng papel sa klinika at surgical practice sa hinaharap ng anterior segment surgery, na nakatuon sa mga estruktura sa harapan ng mata upang maginhawa ang mga pinsala at kondisyon tulad ng katarata at mga sakit sa kornea.

Ngayon, ang teknolohiya ay ginagamit dito upang mag-screen at mag-diagnose ng katarata, mag-classify ng mga yugto ng surgery, at maghula ng oras ng surgery upang mapabuti ang workflow ng OR. Bukod dito, ang AI ay ginagamit sa optimal na pagkalkula ng IOL (intraocular lens) power, na tumutukoy sa refractive strength ng synthetic lens na ipinakakalakip sa panahon ng surgery sa katarata upang palitan ang natural na lens.

Mayroon namang maraming literatura at data ng imaging na nakolekta sa mga nagdaang taon bilang isang routine na gawain.

Swipe to scroll →

Paano Gumaganang ang LLMs Kumpara sa mga Ophthalmologist

Isang pag-aaral ang natuklasan na ang AI ay nakalampas sa kakayahan ng mga non-specialist na doktor¹ na pagkilala ng mga problema sa mata.

Pinangunahan ito ng University of Cambridge, ang pag-aaral ay nakapagtala na ang clinical knowledge at reasoning skills ng popular na large language model (LLM), GPT-4, ay lumalapit na sa antas ng mga specialist na doktor sa mata.

Ang GPT-4 ay sinubok laban sa mga espesyalistang doktor sa mata, hindi espesyalistang junior na doktor, at mga trainee, na bawat isa ay nakaharap sa hanggang 87 senaryo tungkol sa mga partikular na problema sa mata. Ang mga tanong ay sumasaklaw sa malawak na hanay ng mga problema sa mata, na kinuha mula sa isang textbook na ginagamit upang subukan ang mga trainee ngunit hindi available sa internet, na gumagawa itong hindi malamang na ang mga dataset ng pagsasanay ng GPT-4 ay naglalaman ng nilalaman.

Ang mga doktor ay kinailangan na pumili ng pagkakilala o payo sa paggamot mula sa apat na mga pagpipilian. Ayon sa pag-aaral, ang AI model ay nakakuha ng mas mataas na puntos kaysa sa mga junior na doktor sa pagsubok at may halos parehong puntos kaysa sa mga trainee at mga espesyalista, bagaman ang mga nangungunang doktor ay nakakuha ng mas mataas na puntos kaysa sa GPT-4.

Ang mga LLM ay hindi papalit sa mga propesyonal sa healthcare, ngunit sinabi ng mga mananaliksik na maaaring itong mapabuti ang healthcare sa pamamagitan ng pagbibigay ng pagkakilala, payo, at mga pagmumungkahi sa paggamot sa ilang mga konteksto.

Mula sa Laboratoryo hanggang sa Klinika: Mga Resulta ng Pag-screen sa Tunay na Mundo

Isang pag-aaral ang na-evaluate ang implementasyon ng AI sa pagkakilala ng glaucoma² sa mga setting ng tunay na mundo.

Para dito, binuo nila ang isang automated retinal photography at AI-based screening system upang masubukan ang acceptability, feasibility, at accuracy nito. Ang pag-aaral ay kinuha ang mga tao na may edad 50 taon pataas na may kanilang mga larawan ng retina na kinuha gamit ang isang automated fundus camera at na-analyze ng AI.

Ang AI system ay nakamit ng AUROC na 0.80, na nagpapakita ng malakas na kakayahan ng teknolohiya na makilala ang pagkakaiba sa pagitan ng mga kondisyon. Ang sensitivity ay 65%, na kumakatawan sa mga tunay na kaso na naikilala ng AI, habang ang specificity ay 94.6%, na kumakatawan sa tama na pagkilala ng mga indibidwal na malusog. Sa 161 mga pasyente na dating hindi na-diagnose, 18 (11.2%) ay naikilala bilang referable glaucoma. Ang pag-aaral ay nagsabi:

“Sa kabila ng mga hamon tulad ng mas mababang sensitivity at limitasyon sa pagkuha ng larawan, ang sistema ay nagpapakita ng pag-asa para sa opportunistic screening sa mga setting ng primaryang pangangalaga.”

Isang pagrepaso³ ng Department of Ophthalmology sa Capital Medical University, China, samantala, ay tinimbang ang mga aplikasyon at hamon ng AI sa myopia.

Sa kasalukuyan, ang kondisyon na ito ay naaapektuhan sa higit sa 2 bilyong tao sa buong mundo, at sa taong 2050, inaasahan na ang halos kalahati ng populasyon ng mundo ay maaring maapektuhan nito. Kapag hindi na-correct, ang myopia ay maaaring magdulot ng kapansanan sa paningin, magkulang sa edukasyon, at mag-impluwensiya sa mga pagkakataon sa trabaho, habang ang mataas na myopia ay maaaring magdulot ng permanenteng pagkawala ng paningin. Kaya’t ang maagang pagkakilala ay mahalaga sa pagmamahala ng pag-unlad nito at pag-iwas sa anumang pangmatagalang pinsala sa paningin.

Dito, ang AI ay maaaring magbigay ng isang nakakapagpapaginhawa na tool sa pamamagitan ng pagsusuri ng mga kumplikadong datos ng medisina.

Upang makilala ang myopia, ang mga model ng AI ay maaaring sanayin sa malalaking halaga ng mga larawan ng fundus at mga larawan ng OCT at pagkatapos ay ituturo na makilala ang mga pagbabago sa retina na may kaugnayan sa myopia. Ang AI ay maaari ring sanayin upang makilala ang mga pagbabagong behavioral na may kaugnayan sa pagsisimula ng myopia. Kahit na ang mga kagamitan sa pagmomonitor ng sarili tulad ng SVOne ay maaaring gumamit ng AI upang makilala ang mga error sa refraksiyon sa mga mata. Upang makilala ang mga paktor ng panganib, ang mga pamamaraan tulad ng logistic regression, support vector machine, at XGBoost ay maaaring gamitin.

Bagaman ang AI ay maaaring mapabuti ang klinika at paggawa ng patakaran upang mapangasiwaan ang myopia, hindi ito walang hamon.

“Sa pamamagitan ng pagbuo ng mga dataset na may mataas na kalidad, pagpapabuti ng kakayahan ng model na magproseso ng multimodal image data, at pagpapabuti ng kakayahan ng tao-kompyuter, ang mga model ng AI ay maaaring mapabuti pa para sa malawakang klinika na aplikasyon.”

– Dr. Jifeng Yu

Pagharap sa Pagkakaiba

Bagaman ang mga problema sa paningin ay widespread, ang kapansanan ay mas prevalent sa mga bansang may mababang at katamtam na kita (LMICs) kumpara sa mga rehiyon ng may mataas na kita. Sa pamamagitan ng pagpapahintulot na mas maraming tao ang maaring masubukan, ang AI ay maaaring makatulong upang mapaliit ang agwat sa mga rehiyon na may limitadong access sa espesyal na pangangalaga sa mata.

Para dito, ang tech giant na Google ay lumikha ng isang model ng AI na tinatawag na ARDA (Automated Retinal Disease Assessment), at kamakailan, ito ay lisenya ang AI model para sa pagkakilala ng diabetic retinopathy sa mga kompanya ng healthcare technology sa Thailand at India.

“Sila ay magtatatag ng kanilang sariling mga modelo ng negosyo, ngunit sa isang panig, sila rin ay magbibigay ng mga pag-screen sa mga taong nangangailangan nito ngunit hindi makakaya. Ang pagkabulag mula sa diabetic retinopathy ay lubos na maiiwasan, at ang katotohanan na hindi natin nagawa ang epektibong pag-screen sa ilang mga lugar ay hindi makatarungan.”

– Sunny Virmani, project manager sa Google Health

Ang diabetes, na naging mas karaniwan sa mga LMICs, ay maaaring magkaroon ng malubhang epekto sa paningin sa pamamagitan ng pagdudulot ng blurry vision, diabetic macular edema, glaucoma, at diabetic retinopathy. Ang huli ay resulta ng sobrang asukar sa dugo na sumasira sa mga blood vessel, na nagreresulta sa leakage ng fluid sa mata.

Ang diabetic retinopathy ay maaaring magdulot ng mga pagbabago sa paningin, at sa huli, ang isang tao ay maaaring mabulag. Gayunpaman, ang maagang pagkakilala at paggamot ay maaaring bawasan ang panganib ng hanggang 98%. Ngunit ang isang maliit na bahagi lamang ng mga taong may diabetes ang nasubukan.

Kaya’t higit sa isang dekada na ang nakalipas, si Dale Webster, direktor ng pananaliksik sa Google Health, kasama ang kanyang mga kasama, ay nagsimulang subukan ang kakayahan ng AI na magdiyagnosa ng sakit mula sa mga medikal na larawan.

Ito ay humantong sa ARDA, na maaaring magdiyagnosa ng sakit na kapareho ng isang ophthalmologist.

Para sa AI model, ang team ng Google ay nasubukan ang 7,651 mga tao sa tatlong rehiyon sa Thailand sa pagitan ng 2018 at 2020, na may ARDA na nakamit ng accuracy na 94.7%, na nagpapakita na “ang mga tool na ito ay ligtas at epektibo.”

Pindutin dito para sa listahan ng mga nangungunang sampung rare disease specialist stocks.

Ang Pagtatapos ng AI sa Pagmamahala ng Keratoconus

Sa gitna ng lahat ng mga pag-unlad na ito, ang mga mananaliksik ay nag-develop ng isang AI na maaaring magtagumpay na makilala kung aling mga pasyente ng keratoconus ay malamang na mabulag, kaya’t nangangailangan ng maagang paggamot at pagmomonitor, maraming taon bago ang mga doktor ay makakagawa. Sa pamamagitan nito, ang teknolohiya ay maaaring mapabuti ang pag-iwas sa mga di-kailangang mga pamamaraan at maprotektahan ang paningin.

Ang keratoconus ay isang progresibong kondisyon sa mata na walang kilalang sanhi.

Dito, ang kornea ay nagiging kontorto. Ito ay ang malinaw, dome-shaped na layer na sumasaklaw sa iris at pupil na nagpapahintulot sa liwanag na pumasok at tumutulong sa pagtuon ng liwanag para sa malinaw na paningin.

Kaya’t kapag ang kornea ay pumapayat at bumubulong sa isang hugis na koniko, iyon ay tinatawag na keratoconus. Ang pagbabago sa hugis ng kornea ay nagpapalabas ng mga rayo ng liwanag na hindi na nakatuon, na nagdudulot ng distorted na paningin. Ang mga iba pang sintomas ay kinabibilangan ng glare, sensibilidad sa liwanag, at blurry vision. Ito ay nagiging mahirap sa mga pang-araw-araw na gawain tulad ng pagmamaneho o pagbabasa.

Ang sakit na ito ay karaniwang lumilitaw sa huling bahagi ng pagkabata o unang bahagi ng pagkabinata at nagpapabuti sa paglipas ng panahon.

Bagaman ang eksaktong sanhi ng sakit ay hindi alam, maaaring ito ay may kaugnayan sa henetika, na may 1 sa 10 mga tao na may keratoconus na may magulang din na may kondisyon. Ang keratoconus ay may kaugnayan din sa sobrang pagkuskos ng mata, mga alerdyi sa mata, pagpapayat ng kornea dahil sa pagkawala ng collagen, at mga sakit sa tissue.

Karaniwang umaapekto sa parehong mata, ang sakit ay maaaring magdulot ng iba’t ibang mga sintomas sa pagitan ng dalawang mata.

Ang mga sintomas ng keratoconus ay unti-unting lumalala sa loob ng 10 hanggang 20 taon. Sa maagang yugto, ang mga sintomas ay maaaring kinabibilangan ng pamamaga ng mata o pagkuskos, pagtaas ng sensibilidad sa liwanag at glare, banayad na pagkabulag ng paningin, at bahagya na distorted na paningin. Sa mga huling yugto, ang mga sintomas ay karaniwang kinabibilangan ng pagtaas ng nearsightedness o astigmatism at mas malubhang pagkabulag at distorted na paningin.

Sa maagang yugto, ang mga problema sa paningin ay maaaring maayos sa pamamagitan ng mga salamin o lens ng kontakt. Ngunit sa mga huling yugto, ang mga rigid gas-permeable na lens ng kontakt ay maaaring kinakailangan.

Ngunit kung hindi ito magamot sa tamang oras at ang kondisyon ay magiging mas malubha, ang mga transplant ng kornea, Intacs (mga maliliit na implant ng kornea), at cross-linking ng kornea (CXL) ay maaaring kinakailangan. Ngayon, upang makilala ang keratoconus, ang mga doktor ay nagmo-monitor sa mga pasyente sa paglipas ng panahon.

Sa mga regular na pag-eeksamen sa mata, ang isang ophthalmologist ay titingin sa kornea at maaaring gumamit ng mga espesyal na imaging upang masubukan ang kurbada nito, na magpapakita ng anumang pagbabago sa hugis nito.

“Ang keratoconus ay isang kondisyon na maaaring mapangasiwaan, ngunit alam kung sino ang dapat pagamutin, kailan, at paano ibigay ang paggamot ay isang hamon. Sa kasamaang palad, ang problema na ito ay maaaring magdulot ng pag-atras, na kung saan maraming mga pasyente ay nakakaranas ng pagkawala ng paningin at nangangailangan ng invasive na implant o transplant surgery.”

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

Ngunit ang mga mananaliksik ay nakamit ng isang pagtatapos na maaaring baguhin ang pangangalaga sa mata sa pamamagitan ng pagpapahintulot sa AI na makilala kung aling mga pasyente ng keratoconus ay nangangailangan ng maagang paggamot at pagmomonitor, bago ang irrebersibleng pinsala sa paningin ay maganap, na maaaring mag-save ng paningin at mapabuti ang paggamot.

Ang pag-aaral ay kamakailan naipresenta sa 43rd Congress ng European Society of Cataract and Refractive Surgeons (ESCRS).

Pagligtas sa Paningin at mga Rekurso sa Healthcare

Isinagawa ito ni Dr. Shafi Balal at mga kasama sa Moorfields Eye Hospital NHS Foundation Trust at University College London (UCL), ang pag-aaral ay gumamit ng AI upang masubukan ang mga larawan ng mga mata ng mga pasyente at pinagsama ito sa iba pang data upang makilala kung aling mga pasyente ng keratoconus ay nangangailangan ng agad na paggamot at kung sino ang maaaring magpatuloy sa pagmomonitor.

“Ang keratoconus ay nagdudulot ng kapansanan sa paningin sa mga batang may edad na trabaho, at ito ay ang pangunahing dahilan ng transplant ng kornea sa mundo ng Kanluran.”

– Dr. Balal

Sa pamamagitan ng isang paggamot na tinatawag na ‘cross-linking’, ang pag-unlad ng sakit ay maaaring mapigilan. Ang terapiya ay gumagamit ng ultraviolet light at vitamin B2 (riboflavin) drops upang pahinain ang kornea.

Ang paggamot sa cross-linking, gayunpaman, ay kinakailangan na gawin bago ang scarring ay magiging permanent, na nag-aalis ng pangangailangan ng transplant ng kornea. Ito ay matagumpay sa higit sa 95% ng mga kaso. Ayon kay Dr. Balal:

“Ngunit ang mga doktor ay hindi makakapagkilala kung aling mga pasyente ang magpapabuti at kung sino ang mananatiling stable sa pagmomonitor lamang. Ito ay nangangahulugan na ang mga pasyente ay nangangailangan ng madalas na pagmomonitor sa loob ng maraming taon, na kung saan ang cross-linking ay karaniwang isinasagawa pagkatapos ng pag-unlad ng sakit.”

Kaya’t ang AI ay maaaring makilala ang keratoconus sa tamang oras.

Para sa AI, ang pag-aaral ay gumamit ng isang grupo ng mga pasyente na na-refer sa Moorfields Eye Hospital para sa pagtataya at pagmomonitor ng keratoconus, kasama ang pag-scan ng harapan ng mata gamit ang OCT upang masubukan ang hugis nito.

Ang optical coherence tomography (OCT) ay isang hindi nakakapinsala na pamamaraan ng imaging na gumagamit ng mga alon ng liwanag upang kumuha ng mga larawan na may mataas na resolusyon at cross-sectional ng retina. Ang pamamaraan ay karaniwang ginagamit sa ophthalmology upang makilala ang mga kondisyon tulad ng macular degeneration, glaucoma, at diabetic retinopathy.

Ang mga mananaliksik ay pinag-arala ang 36,673 mga larawan ng OCT ng 6,684 mga pasyente gamit ang AI. Ang mga mananaliksik ay nakatuklas na ang kanilang AI model ay maaaring makilala kung ang isang pasyente ay mananatiling stable o magpapabuti, batay sa unang pagbisita ng pasyente.

Ito ay nangangahulugan na mula sa unang pagbisita, ang AI ay maaaring makatulong sa mga doktor na makilala kung aling mga pasyente ang malamang na magpapabuti, na nagpapahintulot ng maagang paggamot bago ang pag-unlad at mga pangalawang pagbabago ay maganap.

Sa pamamagitan ng paggamit ng AI model, ang mga mananaliksik ay pinag-arala ang mga pasyente sa dalawang grupo. Ang isang grupo ay may mababang panganib, na binubuo ng dalawang-katlo ng mga pasyente na hindi nangangailangan ng paggamot. Ang iba pang grupo ay may mataas na panganib, na binubuo ng isang-katlo ng mga pasyente na nangangailangan ng agad na paggamot sa cross-linking.

Kapag na-isama ang data mula sa ikalawang pagbisita sa ospital, ang AI model ay maaaring makilala hanggang 90% ng mga pasyente.

Ito ay gumagawa sa pag-aaral na ito bilang ang unang pag-aaral na nakakamit ng ganitong antas ng accuracy sa pagkilala ng panganib ng pag-unlad ng keratoconus gamit ang kombinasyon ng mga scan at data ng pasyente, ayon kay Dr. Balal. Siya ay nagdagdag:

“Ang aming pag-aaral ay nagpapakita na maaari nating gamitin ang AI upang makilala kung aling mga pasyente ang nangangailangan ng paggamot at kung sino ang maaaring magpatuloy sa pagmomonitor.”

Ang pag-aaral, ayon kay Dr. Balal, ay kinabibilangan ng isang malaking grupo ng mga pasyente na na-monitor sa loob ng dalawang taon o higit pa. Ang mga resulta ay nagpapahiwatig na ang mga pasyente na may mataas na panganib ng keratoconus ay maaaring makatanggap ng paggamot na mapipigilan ang pag-unlad ng sakit, na makatutulong sa pag-iwas sa pagkawala ng paningin at mapabuti ang paggamot.

Samantala, ang mga pasyente na may mababang panganib ay maaaring maiwasan ang mga di-kailangang pagmomonitor, na makatutulong sa pagligtas ng mga rekurso sa healthcare.

“Ang epektibong paghahati ng mga pasyente ng algorithm ay magpapahintulot sa mga espesyalista na maipagpatuloy sa mga lugar na may pinakamalaking pangangailangan.”

– Dr. Balal

Ang mga mananaliksik ay kasalukuyang nagtatrabaho sa pagbuo ng isang mas powerful na algorithm ng AI, na maaaring sanayin sa milyun-milyong mga scan ng mata. Ang algorithm ay maaaring itailor para sa mga partikular na gawain, tulad ng pagkilala ng pag-unlad ng keratoconus, pati na rin ang pagkilala ng mga sakit sa mata na may kaugnayan sa pagmamana at mga impeksyon sa mata.

Kapag ang algorithm ng AI ay “patuloy na nagpapakita ng kanyang epektibidad, ang teknolohiyang ito ay magiging makatutulong sa pag-iwas sa pagkawala ng paningin at sa mga mas mahirap na pamamaraan ng paggamot sa mga batang may edad na trabaho,” ayon kay Dr. Güell, na hindi kasali sa pananaliksik.

Ang algorithm ay magkakaroon ng karagdagang pagsubok sa seguridad bago ito mai-deploy sa klinika.

Pag-invest sa AI-driven Eye Care

Alcon AG (ALC ) ay isang kompanya sa Switzerland na nagsasaliksik, nagmamamanupaktura, at nagbebenta ng isang hanay ng mga produkto para sa pangangalaga sa mata sa pamamagitan ng Surgical at Vision Care para sa mga kondisyon tulad ng katarata, glaucoma, mga sakit sa retina, at mga error sa refraksiyon.

Alcon AG (ALC )

Sa isang market cap na $39.6 bilyon, ang mga stock ng ALC ay kasalukuyang nagtatrade sa $77.78, na bumaba ng 8.81% YTD at humigit-kumulang 23% mula sa rito na higit sa $100 noong nakaraang taon. Ito ay may EPS (TTM) na 2.25 at P/E (TTM) na 34.41, habang ang dividend yield na inaalok ay 0.43%.

Para sa Q2 2025, ang Alcon ay nag-ulat ng 4% na pagtaas sa mga benta sa $2.6 bilyon. Ang diluted EPS para sa quarter ay $0.35.

Ang kompanya ay nag-generate ng $889 milyon sa cash mula sa mga operasyon sa panahong ito, habang $681 milyon sa free cash flow ay na-post sa unang bahagi ng 2025. Ang Alcon ay nagbalik ng $287 milyon sa mga stockholder.

Sa pagbabanggit ng “robust na maagang demand” para sa mga bagong produkto tulad ng Tryptyr, Systane Pro PF, Precision7, PanOptix Pro, Voyager, at Unity VCS, ang CEO na si David J. Endicott ay nagsabi:

“Bagaman ito ay paubos pa, ang mga paglunsad na ito ay nagpapahintulot sa amin na mapabilis ang paglago ng revenue, mag-generate ng cash, at magbigay ng mahabang terminong halaga para sa aming mga stockholder.”

Pindutin dito upang matuto tungkol sa pag-invest sa artificial intelligence.

Panghuling Alcon AG (ALC) Stock News at Developments

Konklusyon

Sa kabila ng tens of millions ng mga tao sa buong mundo na nangangailangan ng pangangalaga sa paningin o pagkabulag, ang kakayahan ng AI na makilala ang pag-unlad ng sakit at gabay sa mga desisyon sa paggamot ay nagbubukas ng isang bagong yugto sa preventive eye care. Habang ang mga algorithm ay nagiging mas refined, ang AI ay may potensyal na makapagbigay ng kapangyarihan sa mga klinika upang makatulong sa pagprotektahan ng paningin, mapabuti ang mga gastos sa healthcare, at mapabuti ang kalidad ng buhay.

Pindutin dito para sa listahan ng mga bagong pag-unlad na nagtutuon sa pagkawala ng paningin.

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 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). Application of artificial intelligence in myopia prevention and control. Pediatric Investigation, (Version of Record), published 18 March 2025. https://doi.org/10.1002/ped4.70001</sup>