ИИ в лазерной коррекции зрения: что уже работает, а что пока только обещание

Лазерная коррекция зрения за несколько десятилетий прошла путь от смелого эксперимента до привычной процедуры. Но если сам лазер менялся у всех на виду — становился быстрее, точнее, мягче, — то вторая половина этой истории почти незаметна со стороны: изменилось то, как хирург считает операцию. Именно там, по мнению авторов нового обзора, и происходит следующая тихая революция.

Обзор опубликован в журнале Diagnostics¹. Это не эксперимент и не испытание нового прибора, а попытка собрать в одном тексте всё, что накопилось в научной литературе про искусственный интеллект в лазерной коррекции зрения. Авторы прошли по двум большим базам научных публикаций, отобрали работы за последние 10 лет и описали, где ИИ уже приносит пользу, а где пока остаётся красивой идеей¹.

Дальше — разбор: что именно нашлось, кому это важно, где здесь подвох и что из этого стоит понимать человеку, который просто хочет видеть без очков.

Без чего вообще не бывает коррекции

Начнём с простого. Глаз — это оптическая система: свет проходит через роговицу и хрусталик и должен собраться в одну точку на сетчатке. Если он собирается не там, картинка расплывается. Близорукость, дальнозоркость, астигматизм — это всё про то, куда и как «приходит» свет. Лазерная коррекция меняет форму роговицы так, чтобы свет попадал куда нужно.

Звучит как чистая механика, но на деле это наполовину расчёт. Хирургу нужно заранее решить, сколько ткани убрать, на какой глубине, по какому профилю, как распределить воздействие по площади. От этого зависит и результат, и безопасность. Исторически этот расчёт делался по таблицам и по опыту: у каждого хирурга складывалась своя «поправка», свой номограмма-подход, наработанный годами практики.

Вот тут и появляется искусственный интеллект. Он умеет находить закономерности в больших массивах данных — там, где человек просто не в состоянии удержать в голове сотни параметров сразу. В обзоре ИИ описывают как зонтичное понятие: это и узкие модели машинного обучения, и модели, обученные распознавать изображения, и более новые «агентные» системы, которые работают сразу с разными типами данных — числами, снимками, текстом¹.

Что из этого уже работает, а что пока только в проекте

Авторы обзора честно разделяют два уровня зрелости. Есть направления, которые уже встроены в практику, а есть те, что пока обсуждаются в пилотных работах.

Самое состоявшееся — это скрининг. То есть отбор людей, которым лазерная коррекция подходит, и поиск тех, кому она может навредить. Речь прежде всего о кератоконусе и риске истончения роговицы. Кератоконус — это состояние, при котором роговица постепенно теряет свою прочность и начинает выпячиваться конусом. Если такому человеку сделать лазерную коррекцию, можно ускорить процесс и получить серьёзные проблемы со зрением. И как раз здесь модели машинного обучения показывают себя лучше всего: по данным обзора, они надёжно превышают 95% точности, чувствительности и специфичности¹.

Дальше идут более прикладные вещи, и их тоже немало¹:

• расчёт программ лазерного воздействия на основе номограмм, то есть подсказки хирургу, сколько и как убирать;
• оптимизация так называемой трассировки лучей — математического расчёта, который строит виртуальную модель глаза и подбирает профиль операции под неё;
• отбор пациентов и выбор подходящей методики;
• предсказание того, каким будет зрение и остаточная «оптика» после операции;
• оценка риска, что роговица истончится уже после вмешательства;
• распознавание осложнений прямо во время операции;
• изучение «перекрёстного влияния» лазера (когда исправление астигматизма неожиданно тянет за собой изменение сферы);
• и даже наблюдение за привычкой тереть глаза — с помощью носимых устройств, например браслета на запястье, который распознаёт характерные движения руки¹.

А вот «агентные» и мультимодальные системы — те, что соединяют текст, снимки и числа и умеют рассуждать сразу на нескольких уровнях, — пока живут в пилотных работах¹. По мнению авторов, их время наступит там, где есть большие, многопрофильные клиники с потоком пациентов и современной техникой¹.

Кому это может пригодиться и как изменит жизнь

Самая очевидная польза — для человека, который приходит на консультацию и боится. Точный скрининг — это не абстрактная наука, а конкретный ответ на вопрос «а мне вообще можно?». Если модель умеет заметить ранние, почти невидимые признаки слабости роговицы, это значит, что кому-то вовремя скажут «нет» — и уберегут от истории, которая могла закончиться плохо. Именно поэтому скрининг и оказался самым внедрённым направлением: тут цена ошибки слишком высока, и здесь ИИ реально снижает риск¹.

Второй эффект — более предсказуемый результат. Когда система берёт на себя расчёт, меньше зависит от того, насколько «набита рука» у конкретного хирурга и насколько удачно у него сложились личные поправки за годы работы. Это особенно важно для молодых специалистов: удачный расчёт помогает быстрее выйти на стабильный уровень.

Третий эффект — выравнивание. Если технология работает «в облаке», к ней теоретически может подключиться и небольшая практика, где нет своей команды программистов и парка самых свежих приборов. Тогда опыт экспертов как будто становится доступнее — не вместо хирурга, а как его подсказка.

Где подвох

Подвох первый и главный — данные. Любая модель учится на том, что ей дали. Если она видела глаза одних людей, одного возраста, одной популяции, на одном приборе, — на других она может ошибаться иначе. Авторы обзора прямо предупреждают: результаты надо читать вместе с тем, как проверяли модель — на своих же данных или на совершенно новых, как её калибровали и насколько она переносима в другую практику¹. Пять раз подряд «отлично» на своей выборке ничего не доказывают.

Подвох второй — это не волшебная таблетка, а инструмент с узкой задачей. Смотрите: лучше всего работают именно отдельные, конкретные применения, а не «искусственный интеллект вообще»¹. Универсальных систем, которые сами всё решают, в реальной клинике пока нет. И слава богу.

Подвох третий — язык. Модели, работающие с текстом, умеют уверенно говорить ерунду: в одной из работ, попавших в обзор, ссылки, которые такая модель выдавала, оказались выдуманными в 55% случаев¹. А ещё их ответы различались по качеству от темы к теме и заметно «плыли» там, где вопрос был открытым¹. Про людей, которые читают такой текст и верят ему как доктору, — отдельная грустная история.

Наконец, авторы отмечают вопросы этики и законодательства: кто отвечает за ошибку модели, можно ли хранить и передавать медицинские данные, как это регулировать¹. Пока на это нет общих ответов, говорить о массовом внедрении рано.

Кому выгодно, чтобы мы поверили в «95%»

Здесь стоит остановиться и подумать, как взрослые люди. Цифра «больше 95%» звучит мощно, почти как гарантия. Но в медицине точность инструмента и точность медицины — не одно и то же. Модель может прекрасно распознавать кератоконус на снимках и при этом ничего не решать сама по себе: решение всё равно принимает врач, глядя на реального человека, на его жалобы, историю, данные осмотра.

Есть и менее очевидная вещь. Обзор замечает: самые сильные модели сейчас родом из больших и многопрофильных центров, потому что им нужны и самые свежие приборы, и огромные объёмы данных, и вычислительные мощности, и экспертиза¹. Это значит, что качество диагностики может сильнее, чем раньше, зависеть от того, куда человек попал. Хорошая новость: авторы называют одним из возможных будущих направлений «просачивание» технологии вниз — от крупных центров к небольшим практикам¹. Плохая: это пока мечта, а не факт.

Насколько можно доверять этой новости

Теперь про саму работу — без сглаживания углов.

Это обзор литературы, причём описан он самими авторами как несистематизированный, широкий и нарративный¹. Это важно: нарративный обзор — это не метаанализ и не клиническое исследование. Авторы прямо пишут, что их работа не соответствует требованиям, которые предъявляют к систематическим обзорам¹. Отдельные элементы такого формата они позаимствовали — схему отбора, критерии включения и исключения, слепой просмотр и разбор дублей, — но целиком по этому протоколу работу не выполняли¹.

Как искали. База поиска — две крупные научные базы. В одной поисковый запрос дал 856 результатов, в другой — 191, после отсева тезисов, редакционных материалов и материалов конференций осталось 172¹. Поиск вели вручную, без автоматизированных инструментов, и это тоже ограничение: часть работ могла просто не попасть в поле зрения¹.

Что отобрали. Из первой базы отобрали 48 подходящих работ: 16 обзоров и 32 клинические статьи¹. Из клинических работ 15 были про скрининг кератоконуса и истончения роговицы, ещё 17 оригинальных исследований касались напрямую лазерной коррекции¹. То есть про скрининг данных заметно больше, чем про всё остальное, — и это как раз объясняет, почему именно он выглядит самым зрелым.

Что отбирали. Включали публикации за последние 10 лет, посвящённые ИИ, и только те, где речь шла о лазерной коррекции¹. Исключали работы про ИИ в других видах коррекции — например, с имплантируемыми линзами или с заменой хрусталика¹. С одной стороны, это держит фокус. С другой — означает, что картина в этой области описана в отрыве от соседних.

Размер. Тут важно понять: обзор не сводит данные в одну общую цифру. Внутри — очень разные по масштабу работы: где-то пилотные исследования на десятках глаз, где-то большие ретроспективные выборки, где-то сравнительные работы¹. Такие данные нельзя просто сложить и усреднить. Поэтому и вывод «модели превышают 95%» относится прежде всего к скринингу, а не ко всем применениям сразу¹.

Ограничения, о которых говорят сами авторы¹:

• надо различать проверку на своих данных и проверку на новых — это разные вещи по смыслу;
• надо смотреть на калибровку и на переносимость модели в другую среду, иначе цифры не значат почти ничего;
• лучшие модели рождаются там, где есть техника, данные и вычислительные ресурсы, — то есть их применимость в обычной практике ограничена;
• агентные и мультимодальные системы пока описаны в пилотных работах;
• есть вопросы этики и законодательства, и есть склонность текстовых моделей выдумывать факты¹.

Некоторые работы внутри обзора, кстати, сами заканчиваются призывом «нужна дополнительная проверка», а не «внедряем»¹. Это здоровый признак, но и напоминание: технология ещё в пути.

А что с этим в России сейчас

В обзоре речь идёт о научной литературе вообще, без привязки к конкретным странам. Так что говорить о том, «как это устроено в России», можно только в общих чертах и без цифр.

Ситуация, по логике обзора, такая. Отдельные направления ИИ в диагностике глаза давно и активно изучаются и в России, и в мире. Но массово встроить их в повседневный приём — задача не про алгоритм, а про инфраструктуру. Нужны приборы, которые отдают данные в понятном формате, объёмы этих данных, специалисты, которые умеют с ними работать, и, самое главное, правила: кто отвечает за решение и как это решение проверяется.

В российской практике — насколько можно судить по общим тенденциям — ИИ чаще живёт как вспомогательный инструмент, подсказка внутри диагностических приборов, а не как самостоятельная система, которая «ведёт» пациента. И это, если честно, разумный путь: пока ответственность на враче, технология должна оставаться помощником. Любые разговоры про то, что где-то «ИИ уже всем управляет», стоит делить на несколько, а лучше проверять у конкретного специалиста.

Что делать читателю

Не гуглите диагнозы по скриншотам. Если вам кажется, что у вас кератоконус или «что-то не то с роговицей», это разговор с офтальмологом и с обследованием, а не с поисковой строкой.

Спросите про скрининг прямо. Если вы рассматриваете лазерную коррекцию, разумно уточнить, как врач оценивает риск истончения роговицы и проверяют ли вас на кератоконус. Это не про «модные технологии», а про базовую безопасность: без такого шага коррекцию планировать нельзя.

Если слышите про ИИ — уточните, что именно он делает. Подсказывает хирургу расчёт? Помогает читать снимки? Или просто красиво звучит в рекламе? От ответа зависит, есть в этом смысл для вас или нет.

Помните про ответственность. Решение о лазерной коррекции принимает врач-офтальмолог после осмотра и полного обследования — и только он. Никакая программа, никакая модель и никакая таблица не назначает операцию сама по себе.

Про лечение вообще. Если речь о любом лечении, включая капли и другие препараты, — их назначает только врач, по показаниям и после осмотра. Имеются противопоказания, необходима консультация специалиста.

И самое простое: не трите глаза. Привычка тереть глаза — один из факторов, который связывают с прогрессированием истончения роговицы, и в обзоре как раз упомянуты работы, где это поведение пытаются отслеживать с помощью носимых устройств¹. Это тот редкий случай, когда совет из интернета совпадает с наукой.

Частые вопросы

Можно ли уже сегодня «пройти диагностику у искусственного интеллекта»? Смотря что вы имеете в виду. По данным обзора, самое зрелое применение ИИ — скрининг кератоконуса и риска истончения роговицы, где модели показывают очень высокие результаты¹. Но это не замена врачу, а подспорье в руках специалиста: окончательное решение всё равно за офтальмологом после осмотра.

ИИ делает операции сам? Нет. Авторы говорят о программах расчёта, подсказках по выбору методики и предсказаниях результатов — операцию выполняет хирург¹. Искусственный интеллект помогает считать, а не оперировать.

Значит, если ИИ одобрил — мне точно можно коррекцию? Так вопрос не ставится. В обзоре речь о моделях, которые оценивают риск и помогают с выбором, — но ни одна из них не отменяет осмотра, данных приборов и клинического суждения¹. Кроме того, авторы подчёркивают: результат сильно зависит от того, на каких данных модель училась и на каких её проверяли¹.

Почему про «95%» нельзя говорить как про гарантию? Потому что высокие цифры получены в конкретных условиях, чаще всего в крупных центрах с большими наборами данных и современной техникой¹. Перенести этот результат «как есть» в маленькую практику с другим оборудованием не так просто — именно поэтому авторы отдельно напоминают про калибровку и переносимость модели¹.

А это вообще про мой случай? Определённо — если у вас есть подозрение на кератоконус или если вы обсуждаете с врачом коррекцию и нужен честный ответ про риски. А вот если вам обещают «ИИ-диагностику всего» — стоит насторожиться: в обзоре прямо сказано, что наибольший вклад дали не универсальные системы, а узкие, конкретные применения¹.

Будут ли такие системы доступны в обычной клинике? Авторы называют это возможным будущим — то самое «просачивание» технологии из крупных центров в небольшие практики¹. Но пока лучшие модели рождаются там, где есть приборы, данные и вычислительные мощности¹. То есть будущее возможно, а сегодня — как получится.

Наш вывод

Это хорошая новость без громких обещаний, и, честно говоря, именно такая нравится нам больше всего. Искусственный интеллект в лазерной коррекции зрения — не фантазия и не маркетинг, а работающий инструмент на конкретных участках: там, где нужно быстро и внимательно перебрать много параметров, он уже помогает. Сильнее всего — в отборе пациентов и в поиске риска истончения роговицы, где модели превышают 95% по ключевым показателям¹.

Но рядом с этой цифрой стоит длинная цепочка условий. Это обзор, а не испытание¹. Разные по масштабу работы, разные приборы, разные популяции. Необходимость смотреть на калибровку и переносимость, а не только на красивую строчку в результатах¹. Плюс вопросы этики и законодательства и склонность текстовых моделей выдумывать¹.

Практический смысл для вас простой: спрашивайте у врача, как оценивают ваши риски, не бойтесь задавать вопросы про обследование и не путайте цифру в исследовании с гарантией для одного конкретного человека. А решения о коррекции и лечении — это всегда разговор с офтальмологом и только с ним.