Технология формирует офтальмологическую помощь — от рефракционного скрининга и расчётов МЛ (интраокулярных линз) до скрининга диабетической ретинопатии (ДР) и клинических исследований с применением ИИ. Фото: AdobeStock/ipopba


На Envision Summit 2026 в Рио-Гранде, Пуэрто-Рико, 12–16 февраля специалисты в области роговицы, сетчатки, хирургии катаракты и клинических исследований собрались, чтобы рассмотреть, как искусственный интеллект (ИИ) меняет офтальмологическую помощь — от рефракционного скрининга и расчётов интраокулярных линз (ИОЛ) до скрининга диабетической ретинопатии (ДР) и клинических исследований на основе ИИ. В ходе сессий докладчики подчёркивали, что ИИ не заменяет врачебное суждение, а служит инструментом для повышения точности, эффективности и масштабируемости.


Скрининг диабетической ретинопатии: реалии внедрения


В первой сессии «Офтальмологический ИИ и инновации» Роомаса Чанна, доктор медицины, FASRS, из Университета Висконсина, и Шамима Сикдер, доктор медицины, из Института глаза Уилмера, представили всесторонний обзор искусственного интеллекта (ИИ) в офтальмологии в двух областях: скрининге диабетической ретинопатии (ДР) и хирургии катаракты. В части скрининга ДР был описан полный жизненный цикл разработки ИИ — от определения клинической потребности на фоне растущего глобального бремени диабета и дефицита кадров до разработки алгоритма, валидации, одобрения FDA и реального внедрения. Несмотря на то что проспективные исследования продемонстрировали высокую чувствительность и специфичность в выявлении ДР, требующей направления, и диабетического макулярного отёка, реальные данные выявляют проблемы внедрения: географическую концентрацию в районах с высоким доходом, высокую долю недиагностических изображений, барьеры рабочих процессов, финансовые ограничения в федерально квалифицированных медицинских центрах и вариабельную приверженность наблюдению. Моделирование показывает, что высокий охват скрининга с помощью ИИ, особенно в сочетании с высокой приверженностью последующему наблюдению, может существенно снизить потерю зрения на популяционном уровне, хотя неравенство остаётся проблемой.


Сикдер обсудила ИИ в хирургии катаракты, рассматривая хирургическую автономность, распознавание инструментов и фаз операции на основе компьютерного зрения, инструменты автоматической аннотации и аналитику в реальном времени для поддержки интраоперационных решений. Подчёркивается, что, хотя полностью автономная хирургия остаётся отдалённой перспективой, ближайшие применения включают ассистирование под управлением ИИ, наложение дополненной реальности, роботизированную интеграцию и системы поддержки принятия решений. В обоих случаях ключевой вывод состоит в том, что ценность ИИ выходит за рамки диагностической точности и заключается в продуманном внедрении, равенстве доступа, безопасности, интеграции в рабочие процессы и измеримом улучшении ориентированных на пациента исходов.


«Я думаю, один из ключевых моментов — это возможность создавать наборы данных, представляющие разные учреждения, чтобы вы не обучались на одной конкретной камерной системе, одной конкретной больничной системе и затем не создавали решение, применимое только к этому конкретному объекту. В конечном счёте одна из величайших целей нашей работы — распространение… наличие технологии, которая может сделать её доступной для всех, критически важно», — сказала Сикдер.1


Дополняя эту точку зрения, Лакшми В. Девисетти, доктор медицины (Сеть здравоохранения Университета Св. Луки), заявила, что ИИ в сетчатке «выдаёт вероятности, а не диагнозы» и «не заменит экспертизу сетчатки или клиническое суждение». Во второй сессии «Внедрение ИИ в клиническую практику» Девисетти начала с обзора того, как ИИ в настоящее время интегрируется в скрининг ДР, подчёркивая, что ИИ функционирует как масштабируемое распознавание образов, а не как истинный клинический интеллект. В помощи при заболеваниях сетчатки модели ИИ обучаются на больших наборах изображений для выявления ДР, требующей направления, идентификации диабетического макулярного отёка и поддержки сортировки изображений и приоритизации рабочих процессов, выдавая вероятностные результаты, а не решения о лечении. Девисетти подчеркнула, что ИИ дополняет, но не заменяет экспертизу сетчатки и клиническое суждение. Она также отметила новые инструменты оценки состояния здоровья в точке оказания помощи, включая BioAge, CLAiR и MyKidneyAI, которые направлены на расширение скрининга с помощью ИИ в более широкую оценку кардиометаболического и почечного риска у пациентов с диабетом.2


Роговица и рефракционная хирургия: ИИ как поддержка клинических решений


Лоренцо Сервантес, доктор медицины, из Connecticut Eye Specialists, рассмотрел клинические примеры, иллюстрирующие применение ИИ в рефракционном скрининге и ведении неправильной роговицы. Он представил ИИ как спектр — от алгоритмов на основе правил до моделей глубокого обучения — используемый для поддержки стратификации риска и планирования лечения. В случае рефракционного скрининга мультимодальный ИИ объединил данные томографии и биомеханики для оценки риска субклинической эктазии. «ИИ преобразует сложные данные в объективные оценки риска для скрининга», — отметил он.


Заглядывая вперёд, Сервантес выделил применения при прогрессировании кератоконуса, сортировке инфекционного кератита и автоматизированном анализе плотности эндотелиальных клеток в глазных банках. Система глубокого обучения, обученная на более чем 15 000 донорских роговиц, может рассчитать плотность эндотелиальных клеток менее чем за две секунды, высвобождая значительное время техника. Однако он предупредил, что многие модели ИИ для роговицы остаются ограниченными однородными наборами данных для обучения и отсутствием проспективной валидации.2


Исследования сетчатки: ИИ как катализатор клинических исследований


Хасенин Аль-Херсан, доктор медицины, из RCTX – Хьюстон, исследовал, почему ИИ с трудом трансформирует рутинную практику сетчатки, но показывает перспективы в исследованиях. Он выделил барьеры, включая изолированные данные, регуляторные ограничения и интеграцию в рабочие процессы. «ИИ в исследованиях — естественное соответствие», — объяснил он, ссылаясь на меньшее число регуляторных препятствий и лучшее экономическое соответствие.


Применения включают предварительный скрининг с помощью ИИ для снижения высокого уровня неудач при скрининге в клинических исследованиях, обогащение популяций пациентов с использованием прогностических биомаркеров и синтетические контрольные группы для уменьшения необходимого набора. Он отметил, что ИИ может выявлять тонкие паттерны, невидимые клиницистам, включая предсказание пола субъекта по изображениям глазного дна с AUC 0,97.2


Хирургия катаракты и сила ИОЛ: инженерная точность с помощью машинного обучения


Намби Налласамы, доктор медицины, из Кellogg Eye Center Мичиганского университета, представил «вихревой тур» по применениям ИИ в офтальмологии, сосредоточившись на прогнозировании силы ИОЛ и хирургической аналитике. Его команда продемонстрировала, что прогнозируемая машинным обучением послеоперационная глубина передней камеры (ACD) улучшает как традиционные формулы вергенции, так и методы трассировки лучей для расчётов ИОЛ. «Прогнозирование послеоперационной ACD на основе МО улучшает как традиционные [вергенционные] методы, так и более новые [трассировка лучей, МО] методы», — сообщил Налласамы.


Формула Налласамы, обученная на тысячах глаз, показала высокую эффективность даже при внешней валидации, подчёркивая баланс между обобщаемостью и кастомизацией. Он также представил новые метрики оценки — MAEPI и Correct IOL Rate (CIR) — для работы с несбалансированными реальными наборами данных. Помимо расчётов, Налласамы продемонстрировал анализ хирургического видео с помощью ИИ, включая отслеживание инструментов (F1-оценка 0,953) и сегментацию хирургических фаз (AUC 0,95), что позволяет объективно оценивать хирургическую эффективность.2


Дополнение, а не замена


Во всех специальностях докладчики сошлись в центральном послании: ИИ улучшает распознавание образов, масштабируемость и эффективность, но врачебный надзор остаётсяessential. От скрининга эктазии роговицы и прогнозирования ИОЛ до дизайна исследований сетчатки и скрининга ДР — Envision Summit 2026 ясно показал, что наибольшее влияние ИИ будет зависеть не только от точности алгоритмов, но и от продуманной интеграции, равенства доступа и доверия клиницистов.


Литература:
Chana R, Sikder S. Ophthalmic AI and Innovation. Presented at: Envision Summit 2026; February 12-16; Rio Grande, Puerto Rico.
Al-khersan H, Cervantes L, Devisetty L, Nallasamy N. Incorporating AI Into Your Clinical Practice. Presented at: Envision Summit 2026; February 12-16; Rio Grande, Puerto Rico.