System wspomagania decyzji chirurgicznych sterowany przez AI do naprawy rozcięć rogówki: prospektywne, nierandomizowane badanie wykonalności

Dlaczego mądrzejsza chirurgia oka ma znaczenie

Gdy przez wypadek przecięta zostaje przezroczysta przednia „szyba” oka — rogówka — wzrok może zostać trwale uszkodzony nawet po pilnej operacji. Malutkie szwy muszą być umieszczone z dużą precyzją, aby zamknąć ranę, wygładzić powierzchnię rogówki i zapobiec zniekształceniom widzenia. W tym badaniu sprawdzono, czy system sztucznej inteligencji (AI) może pomóc okulistom zdecydować dokładnie, gdzie umieścić te szwy, z celem przywrócenia pacjentom ostrzejszego i bardziej komfortowego widzenia po poważnym urazie oka.

Urazy oka i wyzwanie naprawy

Rozcięcia rogówki to pilne urazy zagrażające zarówno kształtowi gałki ocznej, jak i zdolności do ostrego widzenia. Chirurdzy muszą szybko zamknąć ranę, ale brzegi cięcia często są nieregularne i trudne do idealnego dopasowania. Jeśli szwy są zbyt mocne, nierówne lub zbyt gęsto rozmieszczone, rogówka może wygoić się ze bliznami i silnym astygmatyzmem — deformacją powierzchni oka, która nierówno załamuje światło i zamazuje obraz. Wyniki leczenia znacznie się różnią między lekarzami, zwłaszcza w pośpiechu przy nagłych przypadkach. Autorzy badania zastanawiali się, czy system komputerowy, wyszkolony na tysiącach obrazów, mógłby dostarczyć obiektywnych wskazówek, by szycie było bardziej precyzyjne i spójne.

Jak AI uczy się z obrazów

Zespół najpierw zbudował system widzenia komputerowego wykorzystujący deep learning — technikę pozwalającą oprogramowaniu „uczyć się” wzorców z dużych zbiorów obrazów. Model trenowano na 2400 zdjęciach świńskich oczu z przecięciami rogówki, które są bardzo podobne do rogówek ludzkich. AI nauczyła się obrysowywać brzegi rany na każdym zdjęciu, w zasadzie odtwarzając rzeczywisty kształt i położenie rozcięcia. Następnie, stosując transfer learning, model dopracowano na 300 ludzkich zdjęciach urazów rogówki, starannie obrysowanych przez doświadczonych okulistów. Końcowy system był w stanie wiarygodnie uwidocznić ranę na nowym obrazie rogówki i wykorzystać ten obrys do obliczenia, ile szwów jest potrzebnych i gdzie dokładnie każdy z nich powinien się znaleźć wzdłuż rany.

Przekształcanie analizy obrazu w instrukcje krok po kroku

Na podstawie obrysu rany AI oszacowała, ile zdrowej tkanki otacza przecięcie i zasugerowała odpowiednią liczbę szwów oraz odstępy między nimi. Robiła to, rysując linię środkową wzdłuż rany, oznaczając punkty odniesienia w stałych odstępach, a następnie projektując krótkie linie na zewnątrz w otaczającą rogówkę, by wybrać precyzyjne miejsca wejścia igły. Te wyznaczone komputerowo punkty porównano z preferowanymi lokalizacjami ekspertów i dopasowały się z dokładnością do około jednej dziesiątej milimetra, co wskazuje na precyzję zbliżoną do ludzkiej. Podczas zabiegu lekarze z grupy korzystającej z AI oglądali proponowany przez system wzór szwów i zastosowali się do około 92% jego rekomendacji, zachowując jednocześnie ostateczną kontrolę w sali operacyjnej.

Testowanie wskazówek AI u prawdziwych pacjentów

Aby sprawdzić, czy to planowanie faktycznie przynosi korzyści pacjentom, badacze przeprowadzili prospektywne badanie 25 osób z pełnościennymi rozcięciami rogówki. Czternaście osób leczono standardowym szyciem opartym wyłącznie na osądzie chirurga, a jedenaścioro miało szwy zaplanowane z pomocą AI. Wszyscy pacjenci byli obserwowani co najmniej sześć miesięcy, a ich widzenie i kształt rogówki oceniano po usunięciu szwów. Pacjenci, u których operację wspierała AI, mieli lepszą najlepszą skorygowaną ostrość wzroku i mniejszy astygmatyzm niż ci leczeni konwencjonalnie. Miary gładkości i symetrii powierzchni rogówki po wygojeniu również faworyzowały grupę AI, a żaden z przypadków kierowanych przez AI nie wymagał ponownego zszywania z powodu przecieków.

Co to może znaczyć dla przyszłej opieki okulistycznej

Dla czytelnika niebędącego specjalistą główna myśl jest taka, że „współpilot” AI na sali operacyjnej może pomóc chirurgom rozmieszczać szwy bardziej równomiernie i efektywnie po poważnych urazach oka, prowadząc do wyraźniejszego widzenia i mniejszej liczby powikłań. Było to niewielkie, nierandomizowane badanie wykonalności, więc potrzebne są szersze i bardziej rygorystyczne próby. System ma też ograniczenia — został zaprojektowany do ostrych, liniowych przecięć pourazowych i jeszcze nie radzi sobie z bardziej złożonymi ranami ani nie dostarcza informacji o głębokości. Mimo to wyniki sugerują, że połączenie umiejętności chirurga z planem szycia opartym na danych może uczynić naprawę nagłych urazów rogówki bardziej precyzyjną i przewidywalną, zwiększając szanse, że pacjenci odzyskają użyteczne i komfortowe widzenie po wyniszczających urazach rogówki.

Cytowanie: Zheng, J., Lu, H., Chen, Y. et al. AI-guided surgical decision support system for corneal laceration repair: a prospective, non-randomized controlled feasibility study. Sci Rep 16, 12431 (2026). https://doi.org/10.1038/s41598-026-42805-4

Słowa kluczowe: uraz rogówki, chirurgia oka, sztuczna inteligencja, planowanie chirurgiczne, astygmatyzm