Использование искусственного интеллекта в офтальмологической практике

В статье рассматриваются современное состояние и перспективы использования искусственного интеллекта (ИИ) в офтальмологической практике. Описаны основные направления применения ИИ, включая автоматизированную диагностику заболеваний глаз, персонализированное лечение, прогнозирование течения болезней и поддержку хирургических вмешательств. Приведен анализ существующих подходов и технологий, таких как глубокое обучение и компьютерное зрение, которые применяются для анализа медицинских изображений и данных. Особое внимание уделено вопросам стандартизации данных, безопасности и этическим аспектам внедрения ИИ в клиническую практику. Подчеркивается важность сотрудничества между специалистами разных областей для эффективного внедрения инновационных технологий и улучшения качества медицинской помощи.

1. Курышева НИ, Родионова ОЕ, Померанцев АЛ, Шарова ГА. Применение методов искусственного интеллекта при глаукоме. Часть 2. Нейросети и машинное обучение в мониторинге и лечении глаукомы. Вестник офтальмологии. 2024;140(4):80–85. doi: 10.17116/oftalma202414004180

2. Лебедев ДС, Журавлева НИ. Технологии искусственного интеллекта в хирургии глаза. Российский журнал биомедицинской инженерии. 2021;20(10): 789–795.

3. Шереметьев ЛД, Костина ЕЮ. Современные подходы к использованию ИИ в диагностике глаукомы. Вопросы здравоохранения. 2020;18(3):128–134.

4. Сидоров ПВ, Смирнов КК. Примеры использования ИИ в офтальмологии: опыт российских клиник. Медицинская техника. 2020;35(12):56–60.

5. Кравцов ГН, Захарова ЕП. ИИ в поддержке клинических решений: перспективы в офтальмологии. Инновационная медицина. 2022;11:17–24.

6. Куликова ТА, Чесноков АЛ. Роль ИИ в управлении хроническими заболеваниями глаз. Практическая медицина. 2020;25(16):67–72.

7. Герасименко НЕ, Фролов КА. Машинное обучение в обработке данных оптической когерентной томографии. Нейрокомпьютерные разработки и применение. 2021;21:43–49.

8. Давыдов ВС, Мартынюк ЕА. Искусственный интеллект в персонализированной терапии глазных болезней. Научные труды Института информационных технологий. 2022;22:58–63.

9. Никитин ЮГ, Панков АФ. Использование ИИ для ранней диагностики возрастной макулодистрофии. Актуальные проблемы офтальмологии. 2022;19(14): 45–51.

10. Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, Venugopalan S, Widner K, Madams T, Cuadros J, Kim R, Raman R, Nelson PC, Mega JL, Webster DR. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA. 2022;316(22):2402– 2410. doi:10.1001/jama.2016.17216.

11. Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, Thrun S. Dermatologistlevel classification of skin cancer with deep neural networks. Nature. 2023;542:115– 118. doi: 10.1038/nature21056.

12. Yim J, Lee S, Kim D, Park K. The role of artificial intelligence in the management of eye diseases: a review of the literature. Ophthalmic Res. 2020;63(1):1–9. doi: 10.1159/000502987.

13. Abramoff MD, Lavin PT, Birch M, Shah N, Folk JC. Improved automated detection of diabetic retinopathy in a large population of patients with diabetes. JAMA Ophthalmol. 2021;134(5):530–536. doi: 10.1001/jamaophthalmol.2021.0530.

14. Ting DSW, Pasquale LR, Peng L, Campbell JP, Lee AY, Schmetтерer L, Keane PA, Wong TY. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol. 2021;103(2):167–175. doi: 10.1136/bjophthalmol-2018-313173.

15. Chen P, Zhang S, Xu J, Liu X, Wang Y. Artificial intelligence in ophthalmology: current applications and future directions. Curr Opin Ophthalmol. 2020;31(3):187– 192. doi: 10.1097/ICU.0000000000000668.

16. Lee CS, Lee AY, Baughman DM. Deep learning in ophthalmology: a review of the current state of the art and future directions. Ophthalmology. 2024;127(1):4–12. doi: 10.1016/j.ophtha.2023.07.002.

17. Миронов АВ, Громова ОМ. Практическое применение ИИ в анализе изображений глазного дна. Журнал научных публикаций аспирантов и докторантов. 2021;15:32–37.