Искусственный интеллект постепенно переходит от диагностики заболеваний сетчатки к непосредственному участию в выборе тактики лечения.
На конгрессе Американской академии офтальмологии AAO 2026 представлены результаты исследования III фазы DAYBREAK, в котором ИИ использовался для определения необходимости повторных интравитреальных инъекций у пациентов с неоваскулярной возрастной макулярной дегенерацией (нВМД).
Как это работает?
Алгоритм анализирует объемные ОКТ-исследования (оптическая когерентная томография), определяет наличие интраретинальной и субретинальной жидкости и помогает установить, когда пациенту необходимо повторное введение препарата.
В отличие от фиксированного режима лечения, такой подход позволяет учитывать индивидуальную активность заболевания.
Задача заключается в том, чтобы не выполнять инъекции чаще необходимого, но и не пропустить момент возобновления патологического процесса.
Что показало исследование?
В исследовании участвовали около 675 пациентов, получавших один из двух экспериментальных препаратов – таркоцимаб или табирафусп – либо афлиберцепт.
Через 48 недель улучшение максимально корригированной остроты зрения составило:
- 7,2 буквы при применении таркоцимаба;
- 7,6 буквы при применении афлиберцепта;
- 6,3 буквы при применении табирафуспа.
Оба экспериментальных препарата достигли установленного критерия не меньшей эффективности по сравнению с афлиберцептом.
При этом 54% пациентов, получавших таркоцимаб, достигли интервала между инъекциями в 24 недели.
Это особенно важно для пациентов, которым приходится получать anti-VEGF-терапию на протяжении многих лет. Увеличение интервалов между введениями может уменьшить количество вмешательств, снизить нагрузку на пациента и потенциально сократить расходы на лечение.
Однако исследование пока не доказывает, что использование ИИ обеспечивает лучшие результаты по сравнению с решениями опытного офтальмолога.
Здесь мы видим дальнейшее развитие самой концепции применения искусственного интеллекта в медицине.
Более десяти лет назад мы в нашей клинике уже принимали участие в одном из первых для нас проектов по обучению искусственного интеллекта анализу фотографий глазного дна.
Тогда наши врачи-специалисты коллегиально изучали фундус-снимки, описывали выявленные патологические изменения, формировали диагностические заключения, которые затем использовались для обучения алгоритмов.
То есть в основе этой работы находились знания и профессиональный опыт врачей, которые постепенно становились доступными для автоматизированного анализа большого количества исследований.
И сегодня мы видим развитие того же принципа, но уже применительно не только к диагностике, а к выбору лечебной тактики.
Важно понимать, что алгоритм не появляется из ничего.
До того как система начинает анализировать ОКТ и рекомендовать момент повторной инъекции, специалисты определяют клинически значимые признаки активности заболевания, формируют критерии принятия решений и проверяют результаты работы алгоритма.
Современный ИИ может самостоятельно выявлять дополнительные закономерности в медицинских данных, но его клиническое применение основывается на знаниях, исследованиях и оценке профессионального медицинского сообщества.
Поэтому я рассматриваю такую систему как возможность использовать не только собственный клинический опыт, но и результаты работы большого количества коллег, знания которых в определенной форме отражены в диагностических и лечебных алгоритмах.
И это особенно важно при заболеваниях, требующих длительного наблюдения.
Но эффективность лечения определяется не только алгоритмом
При влажной ВМД необходимо учитывать не просто наличие жидкости на ОКТ, но и динамику заболевания, функциональные показатели, особенности предыдущего лечения и индивидуальный ответ пациента.
Искусственный интеллект способен быстро обрабатывать большой объем информации и обращать внимание врача на изменения, которые могут потребовать повторного вмешательства.
Но окончательное решение должно оставаться за специалистом.
Для многих пациентов anti-VEGF-терапия является серьезной финансовой нагрузкой, особенно когда лечение продолжается годами.
Если мы сможем безопасно увеличивать интервалы между введениями, сохраняя достигнутую остроту зрения и контролируя активность заболевания, это может существенно улучшить доступность длительного лечения.
Однако необходимо понимать, что в исследовании DAYBREAK увеличение интервалов связано с изучаемыми препаратами и протоколом лечения, а самостоятельный вклад ИИ в этот результат еще предстоит установить.
«Я считаю, что мы должны несколько иначе воспринимать само понятие искусственного интеллекта в медицине. Более десяти лет назад мы уже участвовали в обучении алгоритмов анализу фундус-снимков, когда наши врачи описывали патологические изменения глазного дна, формируя медицинскую основу для дальнейшей автоматизированной диагностики. Сегодня мы видим развитие этого подхода уже в выборе сроков лечения влажной ВМД. За подобными системами стоят исследования, знания и профессиональный опыт большого количества специалистов. ИИ помогает использовать эти знания для быстрого анализа состояния конкретного пациента и выбора дальнейшей тактики. Но он не должен заменять собственное клиническое мышление врача.
Для меня особенно важно, что такие технологии могут помочь сохранить высокую эффективность лечения при меньшем количестве инъекций. Ведь для пациента это не только уменьшение числа вмешательств, но и снижение финансовой нагрузки, которая при многолетней anti-VEGF-терапии бывает весьма существенной. Если дальнейшие исследования подтвердят, что использование ИИ действительно позволяет безопасно выбирать оптимальные интервалы лечения, это станет серьезным шагом вперед. Но окончательное медицинское решение и ответственность за него должны оставаться за врачом.»
Профессор В.В. Куренков