Искусственный интеллект в исследовании сетчатки: возможности и границы

Оптическая когерентная томография (ОКТ) и фотографии глазного дна дают подробные изображения сетчатки и зрительного нерва. Алгоритмы машинного обучения тренируют на большом количестве таких снимков, размеченных специалистами. Постепенно модель учится замечать закономерности: толщину слоёв, отёк, кровоизлияния, изменения в области жёлтого пятна. Такие размеченные наборы снимков называют обучающими данными.

Важно понимать, что алгоритм не «видит» глаз так, как врач. Он находит статистические признаки в пикселях, которые в обучающих данных были связаны с определённым состоянием. Поэтому качество работы модели напрямую зависит от того, на каких снимках и каких людях её обучали. Модель, обученная на снимках одного прибора или одной группы людей, может работать хуже на другом приборе или у других пациентов.

В исследованиях алгоритмы хорошо справляются с узкими, чётко поставленными задачами, например с сортировкой снимков при диабетической ретинопатии или измерением слоёв сетчатки. Это может ускорить работу и помочь не пропустить изменения при большом потоке обследований. При этом модель не знает истории болезни, жалоб и лекарств пациента и может ошибаться на снимках, непохожих на обучающие.

Даже самый точный алгоритм — это инструмент поддержки решений, а не замена специалиста. Врач сопоставляет результат анализа с осмотром, жалобами и другими исследованиями и несёт ответственность за заключение. Всемирная организация здравоохранения в своём руководстве по этике ИИ подчёркивает, что человек должен сохранять контроль над медицинскими решениями.

Снимки глаза — это персональные медицинские данные. Их использование в исследованиях требует согласия, обезличивания и надёжного хранения. Пациент вправе знать, как применяются его данные, и задавать об этом вопросы. В исследованиях снимки обычно используют без имени и других сведений, по которым можно узнать человека, а доступ к ним ограничивают. Эти правила защищают пациентов и одновременно позволяют науке развиваться.

Одно из направлений — поиск в изображениях сетчатки тонких признаков, которые трудно оценить глазом. Например, в работе, опубликованной в журнале Diagnostics в 2026 году, методы машинного обучения применялись для классификации текстуры дендритов ганглиозных клеток сетчатки на мышиной модели болезни Альцгеймера. Это фундаментальное исследование на животных, а не готовый клинический тест.

Такие работы помогают понять, какую информацию в принципе можно извлечь из изображений сетчатки. Прежде чем подобные подходы попадут в клинику, их нужно проверить на людях, оценить надёжность и безопасность. Важно также понять, в каких ситуациях алгоритм ошибается и как врачу лучше всего использовать его подсказки. Этот путь занимает годы, и спешка здесь недопустима.

Сегодня основа диагностики — это осмотр врача и проверенные методы, такие как ОКТ и фотографирование глазного дна. На обследовании в центре снимки сетчатки оценивает офтальмолог, который объясняет результаты и при необходимости предлагает повторный контроль. Если вы заметили внезапное ухудшение зрения, искажение линий или тёмное пятно перед глазом, обратитесь к врачу без промедления, не дожидаясь планового визита.