AI-styrt beslutsstöd för korneal suturering vid laceration: en prospektiv, icke-randomiserad kontrollerad genomförbarhetsstudie

Varför smartare ögonkirurgi spelar roll

När ögats klara främre fönster — hornhinnan — skärs av en olycka kan synen skadas permanent även efter akut operation. Små stygn måste placeras exakt rätt för att stänga såret, jämna ut hornhinnans yta och förhindra förvrängd syn. Denna studie undersöker om ett system med artificiell intelligens (AI) kan hjälpa ögonkirurger att bestämma exakt var dessa stygn bör placeras, med målet att ge patienterna skarpare och mer bekväm syn efter allvarliga ögonskador.

Ögonskador och utmaningen vid reparation

Kornéallacerationer är akuta skador som hotar både ögats form och förmågan att se klart. Kirurger måste stänga såret snabbt, men snittkanterna är ofta oregelbundna och svåra att få att ligga perfekt mot varandra. Om stygnen är för hårt åtdragna, ojämna eller för tätt placerade kan hornhinnan läka med ärr och kraftig astigmatism — en deformering av ögats yta som bryter ljuset ojämnt och gör synen suddig. Resultaten varierar mycket mellan olika kirurger, särskilt i stressade akutsituationer. Studien frågade om ett datorsystem, tränat på tusentals bilder, kunde erbjuda objektiv vägledning för att göra sutureringen mer precis och mer konsekvent.

Hur AI lär sig från bilder

Teamet byggde först ett datorvisionssystem med djupinlärning, en teknik som låter mjukvara "lära" mönster från stora bilddatamängder. De tränade sin modell på 2 400 bilder av grisögon med korneala snitt, vilka liknar människans hornhinnor väl. AI:n lärde sig att markera sårkanterna i varje foto, i praktiken att spåra lacerationens verkliga form och läge. Sedan, med transfer learning, finslipades modellen på 300 mänskliga bilder av korneala skador som noggrant blivit konturerade av erfarna ögonläkare. Slutgiltigt kunde systemet på ett tillförlitligt sätt framhäva såret på en ny hornhinnesbild och använda den konturen för att beräkna hur många stygn som behövdes och exakt var varje stygn skulle placeras längs såret.

Från bildanalys till stygn-för-stygn-råd

Byggt på sin sårkontur uppskattade AI:n hur mycket frisk vävnad som omgav snittet och föreslog ett lämpligt antal suturer och avstånd mellan dem. Den gjorde detta genom att rita en mittlinje längs såret, markera referenspunkter på fasta avstånd och sedan projicera korta linjer utåt in i den omgivande hornhinnan för att välja exakta inträdesställen för suturerna. Dessa datorvalda punkter jämfördes med expertkirurgers föredragna lägen och överensstämde inom ungefär en tiondels millimeter, vilket indikerar nästintill mänsklig precision. Under operation följde kirurgerna i AI-stödsgruppen systemets föreslagna suturmönster och följde ungefär 92 % av rekommendationerna samtidigt som de behöll slutligt kontroll i operationssalen.

Test av AI-vägledning på verkliga patienter

För att avgöra om denna planering verkligen hjälpte patienterna genomförde forskarna en prospektiv studie med 25 personer med genomgående korneala lacerationer. Fjorton behandlades med standardstitchning baserad enbart på kirurgens omdöme, medan elva fick sina stygn planerade med AI-stöd. Alla patienter följdes i minst sex månader och deras syn samt hornhinnans form mättes efter att stygnen tagits bort. De som opererats med AI-vägledning hade bättre bästa korrekta visus och mindre astigmatism än de som behandlats konventionellt. Mätvärden för hur slät och symmetrisk hornhinnans yta var efter läkning gynnade också AI-gruppen, och inga av de AI-vägledda fallen behövde om-suturering för läckage.

Vad detta kan innebära för framtidens ögonvård

För en lekmannaläsare är huvudbudskapet att en AI som "co-pilot" i operationssalen kan hjälpa kirurger att placera stygn mer jämnt och effektivt efter allvarliga ögonskador, vilket leder till skarpare syn och färre komplikationer. Detta var en liten, icke-randomiserad genomförbarhetsstudie, så större och mer rigorösa prövningar behövs fortfarande. Systemet har också begränsningar — det byggdes för akuta, linjära traumatiskador och hanterar ännu inte mer komplexa sår eller ger djupinformation. Trots detta tyder fynden på att en kombination av kirurgens skicklighet och en databaserad suturplan skulle kunna göra akut ögonreparation mer precis och mer förutsägbar, vilket ökar chansen att patienter återfår användbar, bekväm syn efter förödande korneala skador.

Citering: 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

Nyckelord: korneal skada, ögonkirurgi, artificiell intelligens, kirurgisk planering, astigmatism