Tekoäly mullistaa ennaltaehkäisevää silmienhoitoa ja näön suojaamista

Silmät, tärkeä aistinelimi, ovat tärkeässä roolissa elämämme jokaisessa vaiheessa.

Ne syöttävät aivoille tietoa ulkomaailmasta. Ilman näkökykyä meillä olisi vaikeuksia suorittaa päivittäisiä tehtäviä, kuten lukemista, oppimista, kävelyä ja vuorovaikutusta ympäristömme kanssa.

Hyvä näkö on välttämätöntä itsenäisyydestä ja tietenkin elämän iloista nauttimiselle.

Kuitenkin enemmän kuin 2.2 miljardia ihmistä eivät pysty tekemään niin näkövamman vuoksi, joka johtuu silmäsairaudesta, joka vaikuttaa näköjärjestelmään ja sen toimintoihin. 

Kaihi, glaukooma, taittovirheet, diabeettinen retinopatia, ikään liittyvä silmänpohjan rappeuma (AMD) ja ikänäkö ovat joitakin näön heikkenemisen yleisimmistä syistä.

Näkövamman vakavia seurauksia ihmisen elämään, ja monia näistä voidaan lieventää tarjoamalla oikea-aikaista ja laadukasta silmähoitoa. Yksilövaikutusten lisäksi näkövamman aiheuttama taloudellinen taakka on merkittävä, ja menetetty tuottavuus aiheuttaa vuosittain arviolta 411 miljardia dollaria maailmanlaajuisesti.

Tämän seurauksena silmäsairaudet, jotka voivat aiheuttaa näön heikkenemistä ja sokeutta, ovat silmienhoidon strategioiden ensisijainen painopiste.

Tekoäly silmätaudeissa

Näön heikkenemisen heikentyessä ihmisen elämänlaatua ja aiheuttaessa huomattavan maailmanlaajuisen taloudellisen taakan, lääkärit, tiedemiehet ja tutkijat kääntyvät tekoälyn (AI) puoleen mullistaakseen silmienhoidon.

Nopeasti kehittyvä teknologia on parantanut liiketoiminnan tehokkuutta ja data-analytiikkaa rahoitus-, valmistus-, vähittäiskauppa-, media- ja terveydenhuoltoaloilla.

Terveydenhuollossa ja lääketieteessä tekoälyn vaikutus on kasvanut dramaattisesti viime vuosina. 

Tekoäly varhaiseen havaitsemiseen: DR, glaukooma ja AMD

Erityisesti silmäsairauksien hoidossa tekoäly mahdollistaa glaukooman, diabeettisen retinopatian ja AMD:n kaltaisten sairauksien varhaisen havaitsemisen analysoimalla verkkokalvokuvia ja potilastietoja. Tässä yhteydessä tekoälytyökalut mahdollistavat yksilölliset interventiot sekä automatisoidun diagnoosin ja seulonnan. 

Teknikko tarjoaa myös kirurgista apua, auttaen ehdokkaiden seulonnassa, tekniikoiden optimoinnissa, komplikaatioiden minimoinnissa ja leikkauksen jälkeisten tulosten ennustamisessa.

Asiantuntijoiden mukaan tekoälyllä tulee olemaan kasvava rooli kliinisessä ja kirurgisessa käytännössä silmän etuosan kirurgian tulevaisuudessa, jossa keskitytään silmän eturakenteisiin vammojen ja sairauksien, kuten kaihien ja sarveiskalvosairauksien, hoitamiseksi.

Teknologiaa käytetään jo täällä kaihin seulontaan ja diagnosointiin, leikkausvaiheiden luokitteluun ja leikkausajankohdan ennustamiseen leikkaussalin työnkulun optimoimiseksi. Lisäksi tekoälyä sovelletaan IOL:n (silmänsisäisen linssin) tehon optimaaliseen laskentaan, joka viittaa kaihileikkauksen aikana luonnollisen linssin korvaamiseksi implantoidun synteettisen linssin taittovoimaan.

Loppujen lopuksi aiheesta on paljon kirjallisuutta sekä kuvantamisdataa, jota on kerätty vuosien varrella rutiinikäytäntönä.

Pyyhkäise vierittääksesi →

Miten LLM:t suoriutuvat vs. silmälääkärit

Tutkimuksessa itse asiassa havaittiin, että Tekoäly ylittää ei-erikoislääkäreiden kyvyt¹ silmäongelmien arvioimiseksi.

Cambridgen yliopiston johtamassa tutkimuksessa raportoitiin, että suositun laajan kielimallin (LLM), GPT-4:n, kliininen tietämys ja päättelytaidot lähestyvät nyt erikoistuneiden silmälääkäreiden tasoa.

GPT-4:ää testattiin silmälääkäreitä, muita kuin erikoistuneita nuoria lääkäreitä ja harjoittelijoita vastaan, ja jokaiselle esitettiin jopa 87 skenaariota, jotka koskivat tiettyjä silmäongelmia. Kysymykset kattoivat laajan kirjon silmäongelmia, ja ne otettiin oppikirjasta, jota käytetään harjoittelijoiden testaamiseen, mutta joka ei ole vapaasti saatavilla internetissä, minkä vuoksi on epätodennäköistä, että GPT-4:n harjoitusaineistot olisivat sisältäneet kyseistä sisältöä.

Lääkäreiden piti valita diagnoosi tai hoitosuositus neljästä vaihtoehdosta. Tutkimuksen mukaan tekoälymalli sai testissä nuorempia lääkäreitä paremmat pisteet ja suunnilleen samat pisteet kuin harjoittelijat ja asiantuntijat, vaikkakin parhaiten suoriutuneet lääkärit saivat korkeammat pisteet kuin GPT-4. 

Tutkijat sanoivat, että oikeustieteen maisterit eivät kuitenkaan korvaa terveydenhuollon ammattilaisia, mutta totesivat, että he voivat parantaa terveydenhuoltoa tarjoamalla diagnooseja, neuvoja ja hoitoehdotuksia tietyissä yhteyksissä.

Laboratoriosta klinikalle: tosielämän seulontatulokset

Tuoreessa tutkimuksessa arvioi tekoälyn käyttöönottoa glaukooman havaitsemisessa² todellisissa asetuksissa.

Tätä varten he kehittivät automatisoidun verkkokalvon valokuvauksen ja tekoälyyn perustuvan seulontajärjestelmän arvioidakseen sen hyväksyttävyyttä, toteutettavuutta ja tarkkuutta. Tutkimukseen rekrytoitiin 50-vuotiaita tai vanhempia henkilöitä, joiden verkkokalvokuvat otettiin automaattisella silmänpohjakameralla ja analysoitiin tekoälyn avulla. 

Tekoälyjärjestelmä saavutti AUROC-arvon 0.80, mikä osoittaa tekniikan vahvan kyvyn erottaa sairauksia toisistaan. Herkkyys oli 65 %, mikä edustaa tekoälyn oikein tunnistamia todellisia tapauksia, kun taas spesifisyys oli 94.6 %, mikä heijastaa terveiden yksilöiden tarkkaa luokittelua. Niistä 161 potilaasta, joilla ei aiemmin ollut diagnosointia, 18:lla (11.2 %) todettiin viitattava glaukooma. Tutkimuksessa todettiin:

"Huolimatta haasteista, kuten alhaisemmasta herkkyydestä ja kuvantamisrajoituksista, järjestelmä näyttää lupaavalta opportunistisessa seulonnassa perusterveydenhuollossa." 

A arvio³ Samaan aikaan Kiinan Capital Medical Universityn silmätautien laitoksen tekemä tutkimus tutki tekoälyn sovelluksia ja haasteita likinäköisyyden hoidossa. 

Tällä hetkellä tämä sairaus vaikuttaa yli kahteen miljardiin ihmiseen maailmanlaajuisesti, ja vuoteen 2050 mennessä lähes puolet maailman väestöstä odotetaan kärsivän siitä. Korjaamatta likinäköisyys voi heikentää näköä, häiritä koulutusta ja vaikuttaa työllistymismahdollisuuksiin, kun taas korkea likinäköisyys voi aiheuttaa pysyvän näönmenetyksen. Siksi varhainen diagnoosi on tärkeää sen etenemisen hallitsemiseksi ja pitkäaikaisten näkövaurioiden ehkäisemiseksi.

Tässä tekoäly voi tarjota lupaavan työkalun analysoimalla monimutkaista lääketieteellistä dataa.

Likinäköisyyden havaitsemiseksi tekoälymalleja voidaan kouluttaa suurilla määrillä silmänpohjakuvia ja OCT-kuvia ja sitten opettaa löytämään verkkokalvosta muutoksia, jotka liittyvät likinäköisyyteen. Tekoälyä voidaan myös kouluttaa havaitsemaan likinäköisyyden alkamiseen liittyviä käyttäytymismuutoksia. Jopa itsetarkkailulaitteet, kuten SVOne, voivat käyttää tekoälyä silmien taittovirheiden havaitsemiseen. Riskitekijöiden löytämiseksi voidaan käyttää tekniikoita, kuten logistista regressiota, tukivektorikonetta ja XGBoostia. 

Vaikka tekoäly voi auttaa kliinistä käytäntöä ja päätöksentekoa hillitsemään likinäköisyyttä, se ei ole täysin haasteeton.

”Rakennamalla korkealaatuisia tietojoukkoja, parantamalla mallin kykyä käsitellä multimodaalista kuvadataa ja parantamalla ihmisen ja tietokoneen vuorovaikutuskykyä tekoälymalleja voidaan parantaa edelleen laajaa kliinistä käyttöä varten.”

– Tri Jifeng Yu

Eriarvoisuuden käsitteleminen

Vaikka näköongelmat ovat yleisiä, vamma on yleisempi matalan ja keskitulotason maissa verrattuna korkean tulotason alueisiin. Mahdollistamalla useampien ihmisten seulonnan tekoäly voi auttaa kuromaan umpeen kuilua alueilla, joilla on rajoitetusti pääsyä erikoistuneeseen silmähoitoon.

Tätä varten teknologiajätti Google on luonut tekoälymallin nimeltä ARDA (Automated Retinal Disease Assessment), ja se on äskettäin lisensoinut sen. Tekoälymalli diabeettisen retinopatian havaitsemiseksi terveydenhuollon teknologiayrityksille Thaimaassa ja Intiassa.

”He perustavat omia liiketoimintamallejaan, mutta sivutoimisesti he tarjoavat myös seulontoja ihmisille, jotka sitä eniten tarvitsevat, mutta joilla ei ole siihen varaa. Diabeettisen retinopatian aiheuttama sokeus on täysin ehkäistävissä, eikä sitä, että emme ole pystyneet tekemään tehokasta seulontaa joissakin näistä paikoista, pidä antaa anteeksi.”

– Sunny Virmani, projektipäällikkö Google Healthilla

Diabetes, josta on tulossa yhä yleisempi matalan ja keskitulotason maissa, voi vaikuttaa vakavasti näköön aiheuttaen näön hämärtymistä, diabeettista makuladeemaa, glaukoomaa ja diabeettista retinopatiaa. Jälkimmäinen johtuu liiallisesta verensokerista, joka vaurioittaa verisuonia ja johtaa nesteen vuotamiseen silmään.

Diabeettinen retinopatia voi aiheuttaa näkömuutoksia ja lopulta henkilö voi sokeutua. Varhainen diagnoosi ja hoito kuitenkin vähentävät riskiä jopa 98 %. Mutta vain pieni osa diabeetikoista käy seulonnassa.

Niinpä yli kymmenen vuotta sitten Dale Webster, Google Healthin tutkimusjohtaja, alkoi kollegoidensa kanssa testata tekoälyn kykyä diagnosoida sairauksia lääketieteellisten kuvien perusteella. 

Tämä johti ARDAan, joka pystyy diagnosoimaan taudin yhtä tehokkaasti kuin silmälääkäri.

Tekoälymallia varten Googlen tiimi seuloi 7,651 2018 ihmistä kolmella Thaimaan alueella vuosina 2020–94.7, ja ARDA saavutti XNUMX prosentin tarkkuuden, mikä osoittaa, että "nämä työkalut ovat turvallisia ja tehokkaita".

Klikkaa tästä nähdäksesi listan kymmenestä parhaasta harvinaisten sairauksien erikoisosakkeesta.

Tekoälyn läpimurto keratokonuksen hoidossa

Kaiken tämän edistyksen keskellä tutkijat ovat nyt kehittäneet tekoälyn, joka pystyy ennustamaan, mitkä keratokonuspotilaat todennäköisesti sokeutuvat, mikä vaatii varhaista hoitoa ja seurantaa vuosia ennen kuin lääkärit pystyvät siihen. Tällä tavoin teknologia voi vähentää tarpeettomia toimenpiteitä ja estää näön menetyksen.

Keratokonus on etenevä silmäsairaus, jonka syytä ei tunneta.

Tässä tilassa sarveiskalvo vääntyy. Se on kirkas, kupolinmuotoinen kerros, joka peittää iiriksen ja pupillin ja päästää valon läpi ja auttaa tarkentamaan sitä selkeän näön saavuttamiseksi.

Kun sarveiskalvo ohenee ja pullistuu kartiomaiseksi, sitä kutsutaan keratokonukseksi. Sarveiskalvon muodon muutos tekee valonsäteistä epätarkkoja, mikä aiheuttaa näön vääristymistä. Muita oireita ovat häikäisy, valoherkkyys ja näön hämärtyminen. Tämä vaikeuttaa päivittäisiä askareita, kuten autolla ajamista tai lukemista.

Tämä sairaus kehittyy usein teini-iän lopulla tai 20-luvun alussa ja etenee ajan myötä.

Vaikka taudin tarkkaa syytä ei tiedetä, se voi olla geneettinen, ja joka kymmenellä keratokonusta sairastavalla on vanhempi, jolla on myös se. Keratokonukseen liittyy myös liiallinen silmien hankaus, silmäallergiat, sarveiskalvon oheneminen kollageenin menetyksen vuoksi ja sidekudossairaudet.

Tyypillisesti molempiin silmiin vaikuttava sairaus voi itse asiassa johtaa hyvin erilaiseen näköön ja oireisiin kahden silmän välillä.

Keratokonuksen oireet pahenevat hitaasti 10–20 vuoden aikana. Varhaisvaiheessa oireita voivat olla silmien punoitus tai turvotus, lisääntynyt valo- ja häikäisyherkkyys, lievä näön hämärtyminen ja hieman vääristynyt näkö. Myöhemmissä vaiheissa oireita ovat usein lisääntynyt likinäköisyys tai hajataittoisuus sekä näön hämärtyminen ja vääristymä.

Varhaisvaiheissa näköongelmat voidaan usein korjata silmälaseilla tai piilolinsseillä, mutta myöhemmissä vaiheissa saatetaan tarvita jäykkiä kaasua läpäiseviä piilolinssejä.

Mutta jos sitä ei hoideta ajoissa ja tila pahenee, sarveiskalvonsiirrot, Intacsit (pienet sarveiskalvon implantit) ja sarveiskalvon ristisilloitus (CXL) voivat olla tarpeen. Nyt keratokonuksen diagnosoimiseksi lääkärit seuraavat potilaita ajan kuluessa.

Rutiininomaisissa silmätutkimuksissa silmälääkäri tutkii sarveiskalvon ja voi käyttää erikoiskuvantamista kaarevuuden mittaamiseen, mikä osoittaa mahdolliset muutokset sen muodossa.

”Keratokonus on hallittavissa oleva sairaus, mutta on haastavaa tietää, ketä hoitaa, milloin ja miten hoitoa annetaan. Valitettavasti tämä ongelma voi johtaa viivästyksiin, ja monet potilaat kärsivät näönmenetyksestä ja tarvitsevat invasiivista implantti- tai elinsiirtoleikkausta.”

– Tri José Luis Güell, ESCRS:n hallituksen jäsen ja sarveiskalvo-, kaihi- ja taittovirhekirurgian osaston johtaja Instituto de Microcirugía Ocularissa, Espanja

Mutta tutkijat ovat nyt saavuttaneet läpimurron, joka voisi mullistaa silmienhoidon mahdollistamalla tekoälyn ennustaa, mitkä sarveiskalvon kartiopullistumapotilaat tarvitsevat kiireellistä hoitoa ennen kuin peruuttamattomia vaurioita syntyy, mikä voi pelastaa näön ja vähentää elinsiirtoja.

Tutkimus tehtiin äskettäin esitetty Euroopan kaihi- ja taittovirhekirurgien yhdistyksen (ESCRS) 43. kongressissa.

Ihmisen näkö- ja terveydenhuollon resurssien säästäminen

Moorfields Eye Hospital NHS Foundation Trustin ja University College Londonin (UCL) tohtori Shafi Balalin ja hänen kollegoidensa tekemässä tutkimuksessa käytettiin tekoälyä analysoimaan potilaiden silmäkuvia ja yhdistämään ne muihin tietoihin ennustaakseen, mitkä keratokonuspotilaat tarvitsivat välitöntä hoitoa ja ketkä voitiin jatkaa seurantaa.

”Keratokonus aiheuttaa näkövammaa nuorilla, työikäisillä potilailla, ja se on yleisin sarveiskalvonsiirron syy länsimaissa.”

– Tohtori Balal

Yhdellä hoitomenetelmällä, jota kutsutaan ristisilloitukseksi, taudin eteneminen voidaan pysäyttää. Hoito sisältää ultraviolettisäteilyä ja B2-vitamiinitippoja (riboflaviini) sarveiskalvon jäykistämiseksi.

Ristisilloitushoito on kuitenkin tehtävä ennen kuin arpeutumisesta tulee pysyvää, mikä poistaa sarveiskalvon siirron tarpeen. Se onnistuu itse asiassa yli 95 %:ssa tapauksista. Tri Balalin mukaan:

"Lääkärit eivät kuitenkaan voi tällä hetkellä ennustaa, millä potilailla tauti etenee ja tarvitsee hoitoa, ja millä pysyy vakaana pelkän seurannan avulla. Tämä tarkoittaa, että potilaita on seurattava usein useiden vuosien ajan, ja ristisidosten määritys tehdään tyypillisesti vasta taudin etenemisen jälkeen." 

Näin ollen tekoäly voi diagnosoida keratokonuksen ajoissa.

Tekoälyä varten tutkimuksessa käytettiin potilasryhmää, joka lähetettiin Moorfieldsin silmäsairaalaan keratokonuksen arviointiin ja seurantaan, mukaan lukien silmän etuosan skannaus OCT-kuvauksella sen muodon tutkimiseksi.

Optinen koherenssitomografia (OCT) on ei-invasiivinen kuvantamismenetelmä, jossa valoaaltojen avulla otetaan tarkkoja, poikkileikkauskuvia verkkokalvosta. Tekniikkaa käytetään laajalti oftalmologiassa sellaisten sairauksien diagnosointiin kuin silmänpohjan rappeuma, glaukooma ja diabeettinen retinopatia.  

Tutkijat tutkivat tekoälyn avulla 36,673 6,684 OCT-kuvaa XNUMX XNUMX potilaasta. Tutkijat havaitsivat, että heidän tekoälymallinsa pystyy tarkasti ennustamaan, pysyykö potilaan tila vakaana vai heikkeneekö, pelkästään potilaan tietojen perusteella. ensimmäinen käynti.

Tämä tarkoittaa, että tekoäly voi alustavasta rutiinikonsultaatiosta lähtien auttaa lääkäreitä ennustamaan, millä potilailla tauti todennäköisesti etenee, mikä mahdollistaa hoidon varhaisen aloittamisen ennen etenemistä ja toissijaisia ​​muutoksia.

Tekoälymallin avulla tutkijat jakoivat potilaat kahteen ryhmään. Toinen ryhmä oli matalan riskin, ja siihen kuului kaksi kolmasosaa potilaista, jotka eivät tarvinneet hoitoa. Toinen ryhmä oli korkean riskin, ja siihen kuului yksi kolmasosa potilaista, jotka tarvitsivat välitöntä ristisilloitushoitoa.

Kun toisen sairaalakäynnin tiedot otettiin mukaan, tekoälymalli pystyi luokittelemaan jopa 90 % potilaista.

Tämä tekee tutkimuksesta ensimmäisen laatuaan, joka saavuttaa näin korkean tarkkuuden keratokonuksen etenemisen riskin ennustamisessa käyttämällä sekä skannauksia että potilastietoja, sanoi tohtori Balal. Hän lisäsi:

”Tutkimuksemme osoittaa, että voimme tekoälyn avulla ennustaa, mitkä potilaat tarvitsevat hoitoa ja ketkä voivat jatkaa seurantaa.” 

Tohtori Balalin mukaan tutkimukseen osallistui suuri joukko potilaita, joita seurattiin vähintään kahden vuoden ajan. Tulokset viittaavat siihen, että riskiryhmään kuuluvat keratokonuspotilaat voisivat saada ennaltaehkäisevää hoitoa ennen tilansa etenemistä, mikä auttaisi ehkäisemään näönmenetystä ja vähentäisi monimutkaisen sarveiskalvonsiirtoleikkauksen tarvetta ja siitä johtuvaa toipumistaakkaa.

Samaan aikaan matalan riskin potilaat voivat välttää tarpeetonta seurantaa, mikä säästää terveydenhuollon resursseja. 

”Algoritmin tehokas potilaiden lajittelu mahdollistaa asiantuntijoiden ohjaamisen alueille, joilla tarve on suurin.”

– Tohtori Balal

Tutkijat työskentelevät parhaillaan kehittääkseen entistä tehokkaampaa tekoälyalgoritmia, jota koulutetaan miljoonien silmäskannausten avulla. Algoritmia voidaan räätälöidä tiettyihin tehtäviin, kuten keratokonuksen etenemisen ennustamiseen sekä perinnöllisten silmäsairauksien ja silmäinfektioiden havaitsemiseen.

Jos tekoälyalgoritmi ”osoittaa jatkuvasti tehokkuutensa, tämä teknologia estäisi lopulta näönmenetyksen ja vaikeammat hoitostrategiat nuorilla, työikäisillä potilailla”, sanoi tutkimukseen osallistumaton tohtori Güell.

Algoritmi menee nyt lisätesteihin turvallisuuden varmistamiseksi ennen kuin se voidaan ottaa käyttöön kliinisessä ympäristössä.

Investoiminen tekoälypohjaiseen silmänhoitoon

Alcon AG (ALC ) on sveitsiläinen silmähoitoyritys, joka tutkii, valmistaa ja myy Surgical and Vision Caren kautta silmähoitotuotteita esimerkiksi kaihiin, glaukoomaan, verkkokalvosairauksiin ja taittovirheisiin.

Alcon AG (ALC )

ALC:n markkina-arvo on 39.6 miljardia dollaria, ja sen osakkeet käyvät tällä hetkellä kauppaa 77.78 dollarilla, mikä on 8.81 % laskua vuoden alusta ja noin 23 % laskua viime vuoden lopun yli 100 dollarin huipputasolta. Yhtiön osakekohtainen tulos (TTM) on 2.25, P/E (TTM) 34.41 ja osinkotuotto 0.43 %.

Alcon raportoi vuoden 2 toisella neljänneksellä liikevaihdon kasvaneen 2025 % 4 miljardiin dollariin. Laimennettu osakekohtainen tulos oli 2.6 dollaria.

Yhtiö tuotti 889 miljoonaa dollaria käteistä liiketoiminnastaan ​​tänä aikana, kun taas vuoden 681 ensimmäisellä puoliskolla vapaata kassavirtaa oli 2025 miljoonaa dollaria. Alcon palautti osakkeenomistajille 287 miljoonaa dollaria.

Toimitusjohtaja David J. Endicott totesi uusien tuotteiden, kuten Tryptyrin, Systane Pro PF:n, Precision7:n, PanOptix Pron, Voyagerin ja Unity VCS:n, "vankan alkuvaiheen kysynnän" ja sanoi:

”Vaikka tämä on vielä alkuvaiheessa, nämä lanseeraukset antavat meille mahdollisuuden kiihdyttää liikevaihdon kasvua, tuottaa kassavirtaa ja tuottaa pitkän aikavälin arvoa osakkeenomistajillemme.”

Napsauta tätä saadaksesi lisätietoja tekoälyyn sijoittamisesta.

Viimeisimmät Alcon AG (ALC) Osakeuutiset ja -kehitys

Yhteenveto

Koska kymmenillä miljoonilla ihmisillä ympäri maailmaa on riski saada näkövamma tai sokeus, tekoälyn kyky ennustaa taudin etenemistä ja ohjata hoitopäätöksiä merkitsee uutta aikakautta ennaltaehkäisevässä silmänhoidossa. Algoritmien kehittyessä tekoälyllä on potentiaalia antaa lääkäreille mahdollisuus auttaa suojelemaan näköä, vähentämään terveydenhuollon kustannuksia ja parantamaan elämänlaatua.

Klikkaa tästä nähdäksesi luettelon uusista näön heikkenemiseen kohdistuvista edistysaskeleista.

Viitteet:

<sup>1. Thirunavukarasu, AJ, Mahmood, S., Malem, A., Foster, WP, Sanghera, R., Hassan, R., Zhou, S., Wong, SW, Wong, YL, Chong, YJ, Shakeel, A., Chang, Y.-H., Tan, BKJ, Jain, N., Tan, TF, Rauz, S., Ting, DSW ja Ting, DSJ (2024). Suuret kielimallit lähestyvät asiantuntijatason kliinistä tietoa ja päättelyä oftalmologiassa: Vertailututkimus. PLOS Digital Health, (Päivitetty versio), julkaistu 17. huhtikuuta 2024. https://doi.org/10.1371/journal.pdig.0000341
2. Jan, CL, Joseph, S., Vingrys, AJ, ym. (2025). Prospektiivinen pragmaattinen tutkimus automaattisesta verkkokalvon valokuvauksesta ja tekoälyllä tehdystä glaukoomaseulonnasta Australian perusterveydenhuollossa. npj Digitaalinen lääketiede, 8, 386. (Päivitetty versio), julkaistu 1. heinäkuuta 2025. Vastaanotettu 9. maaliskuuta 2025; hyväksytty 2. kesäkuuta 2025. https://doi.org/10.1038/s41746-025-01768-y
3. Liu, N., Li, L. ja Yu, J. (2025). Tekoälyn soveltaminen likinäköisyyden ehkäisyssä ja hallinnassa. Lasten tutkimus, (Päivitetty versio), julkaistu 18. maaliskuuta 2025. https://doi.org/10.1002/ped4.70001</sup>