Portabel AI‑driven skannande skärljustenhet för lågkostnadsscreening av ögonsjukdomar

Ett fickverktyg för att skydda synen

Många av världens två miljarder personer med nedsatt syn förlorar synen eftersom ögonsjukdomar upptäcks för sent. Främre delen av ögat — där den klara hornhinnan, iris och linsen sitter — innehåller tidiga ledtrådar till problem som grå starr, glaukom och hornhinneförändringar, ändå är dagens bästa mätmaskiner skrymmande och kostar tiotusentals dollar. Denna studie introducerar en batteridriven, AI‑utrustad handhållen skanner som belyser ögat med en tunn ljusstråle och mäter nyckelstrukturer med nästan klinisk noggrannhet, till en materialkostnad under 500 dollar. Om den används i stor skala kan en sådan enhet föra avancerad ögonscreening från stora sjukhus till lokala mottagningar och samhällsarrangemang.

Varför ögonscreening är svårt att nå ut med

Synförlust är inte jämnt fördelad över världen. Människor i låg‑ och medelinkomstländer, och även missgynnade grupper i rikare länder, har ofta begränsad tillgång till ögonläkare och avancerade bildverktyg. Standard slit‑lampmikroskop låter specialister granska ögats främre yta i detalj, men de är tunga, dyra och beroende av undersökarens skicklighet och omdöme. Mer avancerade maskiner, såsom anterior segment optical coherence tomography (AS‑OCT), kan mäta ögonstrukturer exakt, men deras prislappar över 50 000 dollar håller dem inlåsta i stora kliniker. Som en följd samlas grundläggande mätningar — till exempel hur djup den främre kammaren är eller hur tjock hornhinnan är — sällan in vid rutinmässiga samhällsscreeningar, trots att dessa siffror är viktiga för att tidigt upptäcka glaukomrisk och andra tillstånd.

En handhållen skanner med inbyggd intelligens

Forskargruppen byggde en kompakt skannerenhet som fungerar lite som en miniaturiserad, motoriserad slit‑lamp. En vit LED lyser genom en smal öppning och skapar ett tunt ”blad” av ljus, som en liten spegel sveper över ögat. En liten kamera, fixerad i en vinkel, spelar in 50 till 70 bilder under ungefär 15 sekunder medan ljuset rör sig. För att hålla patienterna bekväma tar systemet flera svaga bilder vid varje spegelposition och medelvärdesbildar dem, vilket förbättrar bildkvaliteten utan att använda starkt ljus. Inuti enheten spårar en lättvikts deep‑learning‑modell kallad LWBNA‑unet automatiskt nyckelfunktioner i varje bildruta: de ljusa reflektionerna på hornhinna och iris, pupillens kontur samt hornhinnans främre och bakre ytor. Rutor där dessa landmärken är oklara — på grund av blinkningar eller rörelse — kasseras automatiskt och fungerar som inbyggd kvalitetskontroll.

Att omvandla bilder till mätvärden

När ögonstrukturerna är utmarkerade omvandlar geometri‑medveten programvara råbilderna till verkliga avstånd. Eftersom ljusstrålen träffar hornhinnan i sned vinkel framstår den reflekterade ljusbandet artificiellt brett; systemet korrigerar detta med hjälp av de kända belysningsvinklarna vid varje position. Sedan använder det den synliga bredden av hornhinnan i varje bildruta som en personlig linjal, med antagandet att den verkliga diametern brukar vara 12 millimeter, för att omvandla pixlar till millimeter. Med dessa steg uppskattar enheten djupet i främre kammaren (spalten mellan hornhinnans inre yta och irisen) och tjockleken på den centrala hornhinnan, och beräknar också relaterade mått som vinkeln där irisen möter hornhinnan och kammarens area. Eftersom bilderna är i naturliga färger kan samma skanning även framhäva grumliga linser (grå starr), disiga fläckar i hornhinnan och onormalt brantning som ses vid keratokonus.

Hur väl den matchar sjukhusens maskiner

För att kontrollera noggrannheten testade forskarna prototypen på ungefär 170 vuxna och jämförde detaljerade mätningar i 50 ögon med dem från ett kommersiellt AS‑OCT‑system. När det gäller djupet i främre kammaren följde den handhållna enheten referensmaskinen mycket nära: den typiska skillnaden var nära noll, med de flesta ögon överens inom ungefär tre tiondelar av en millimeter — tillräckligt litet för screening och riskklassificering. Statistiska tester visade att de två metoderna i praktiken kan användas nästan utbytbart för denna mätning. Uppskattningarna av hornhinnans tjocklek var mindre precisa: i genomsnitt avläste den portabla enheten 20 till 30 mikrometer tunnare, och individuella resultat kunde skilja sig med ungefär en till två kamerapixlar. Författarna tillskriver detta huvudsakligen den nuvarande bildupplösningen snarare än den underliggande principen, och de klassar dessa tjockleksmätningar som explorativa snarare än klinisk grad. Ändå visade kliniska exempel att systemet tydligt skiljer djupa, öppna vinklar från trånga, trängda sådana och fångar tecken på grå starr, hornhinneopacitet och keratokonus som stämmer med standard slit‑lamp‑ eller OCT‑bilder.

Vad detta kan betyda för vardaglig ögonvård

Genom att kombinera lågkostnadsoptik, en motoriserad ljusstråle och inbyggd AI levererar denna handhållna skanner kvantitativa mätningar som tidigare krävde stora, dyra maskiner, samtidigt som den producerar färgbilder rika på sjukdomslitteratur. Dess förmåga att köras helt på en liten edge‑compute‑modul, utan internetuppkoppling, gör den lämplig för batteridrivet uppsökande arbete i avlägsna eller trånga miljöer. Studien visar att djupet i främre kammaren kan mätas med nära klinisk tillförlitlighet, vilket placerar enheten som ett lovande verktyg för tidig upptäckt av vinkelblocks‑glaukom och relaterade störningar. Med vidare förfining och större verkliga fältstudier föreställer sig författarna att denna plattform kan utvecklas till ett omfattande, AI‑drivet screeningsystem för ögats främre segment som kan hjälpa till att förebygga undvikbar blindhet globalt.

Citering: Kaushik, N., Sharma, P., Miya, T. et al. Portable AI-powered scanning slit-light device for low-cost eye disease screening. Sci Rep 16, 13862 (2026). https://doi.org/10.1038/s41598-026-44392-w

Nyckelord: ögonscreening, portabel bildtagning, artificiell intelligens, glaukomrisk, lågkostnads medicinsk utrustning