Архив офтальмологии Украины Том 13, №3, 2025

Актуальність. Стаття ґрунтується на метатеоретичному аналізі 35 досліджень застосування штучного інтелекту (ШІ) в офтальмології, опублікованих у рецензованих виданнях з 2019 по 2024 рік, для визначення можливостей його використання в Україні, зокрема в умовах російсько-української війни. Наведено дані про здатність ШІ суттєво підвищити якість скринінгу, діагностики й лікування таких захворювань, як діабетична ретинопатія, глаукома та вікова макулярна дегенерація. Мета: дослідити можливості застосування ШІ для покращання діагностики й лікування офтальмологічних захворювань в умовах сучасних викликів, зокрема військових конфліктів. Матеріали та методи. Інструменти ШІ, зокрема алгоритми глибокого навчання, великі мовні моделі й генеративні системи ШІ, демонструють клінічно валідну точність діагностики, зокрема в нейроофтальмології, у пацієнтів, які мають очні травми внаслідок черепно-мозкової травми. Питання надійного управління даними та етичних рекомендацій розглядаються в контексті CONSORT-AI. Результати. В умовах пролонгованої російсько-української війни моделі телемедицини на основі ШІ можуть забезпечити швидкий віддалений доступ до спеціалізованої допомоги пораненим солдатам і цивільним особам. Висновки. ШІ вже суттєво впливає на систему офтальмологічної допомоги, його впровадження залежить як від технічної валідації, так і від постійного, послідовного етичного нагляду.

Background. The article is based on a meta-theoretical analysis of 39 studies on the use of artificial intelligence (AI) in ophthalmology published in peer-reviewed journals from 2019 to 2024, to determine the possibility of implementing their findings in Ukraine, in particular in the context of the Russian-Ukrainian war. Data are provided on the ability of AI to significantly improve the quality of screening, diagnosis, and treatment of diseases such as diabetic retinopathy, glaucoma, and age-related macular degeneration. The purpose was to investigate the possibilities of using AI to improve the diagnosis and treatment of ophthalmic diseases in the context of modern challenges, including military conflicts. Materials and methods. Artificial intelligence tools, including deep learning algorithms, large language models, and generative AI systems, demonstrate clinically valid diagnostic accuracy, particularly in neuro-ophthalmology, in patients with ocular injuries as a result of traumatic brain injury. The issue of robust data management and ethical guidelines is considered in the context of CONSORT-AI. Results. During prolonged Russian-Ukrainian war, appropriate AI-based telemedicine models can provide fast remote access to specialized care for wounded soldiers and civilians. Conclusions. AI is already having a significant impact on the ophthalmic care system, and its implementation depends on both technical validation and ongoing consistent ethical oversight.

штучний інтелект в офтальмології; моделі телемедицини на основі штучного інтелекту; глибоке навчання; телемедицина; етичні настанови

artificial intelligence in ophthalmology; AI-based telemedicine models; deep learning; telemedicine; ethical guidelines

1. Abdriakhimov RA. Features of frustration response in comba–tants with clinical manifestations of post-traumatic syndrome and partial vision loss. Psychiatry Neurol Med Psychol. 2019 Jul;(10):54-61. doi: 10.26565/2312-5675-2018-10-08.
2. Matiash M, Lunov V, Prudka L, Rudenko Y, Prints V. Neuropsychology of chronic fatigue syndrome in civilian population in war conditions. Int Neurological J. 2024 Dec;20(7):382-393. doi: 10.22141/2224-0713.20.7.2024.1118.
3. Lunov V, Lytvynenko O, Maltsev O, Zlatova L. The impact of russian military aggression on the psychological health of Ukrainian youth. Am Behav Sci. 2023 Dec;67(3):426-448. doi: 10.1177/00027642221144846.
4. Nguyen DM, Alam HM, Nguyen T, Srivastav D, Profitlich HJ, Le N, Sonntag D. Deep learning for ophthalmology: The state-of-the-art and future trends. Electr Eng Syst Sci. 2025 Jan;1:1-21. doi: 10.48550/arXiv.2501.04073.
5. Gheorghe CM. AI-based technology in ophthalmology: The key to the future. Rom J Ophthalmol. 2023 Oct-Dec;67(4):325. doi: 10.22336/rjo.2023.52.
6. Popescu Patoni SI, Muşat AAM, Patoni C, Popescu MN, Munteanu M, Costache IB, Pîrvulescu RA, Mușat O. Artificial intelligence in ophthalmology. Rom J Ophthalmol. 2023 Jul-Sep;67(3):207-213. doi: 10.22336/rjo.2023.37.
7. Ting DSJ, Foo VH, Yang LWY, Sia JT, Ang M, Lin H, et al. Artificial intelligence for anterior segment diseases: Emerging applications in ophthalmology. Br J Ophthalmol. 2021 Feb;105(2):158-168. doi: 10.1136/bjophthalmol-2019-315651.
8. Ting DSW, Pasquale LR, Peng L, Campbell JP, Lee AY, Raman R, et al. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol. 2019 Feb;103(2):167-175. doi: 10.1136/bjophthalmol-2018-313173.
9. Habash R. AI in comprehensive ophthalmology — It’s here. Ophthal Mant. 2024 Jan-Feb;28.
10. Valikodath N, Cole ED, Al-Khaled T, Memon A, Ting D, Campbell JP, et al. Introduction to artificial intelligence in ophthalmology. Available from: https://eyewiki.org/Introduction_to_Artificial_Intelligence_in_Ophthalmology. Accessed: October 19, 2024.
11. Larkin F, He M. Embracing generative AI in ophthalmology. Br J Ophthalmol. 2024 Sep;108(10):1333-1334. doi: 10.1136/bjo-2024-326320.
12. Ramsey L. World-first AI model can detect eye disea–ses and predict systemic health. https://www.news-medical.net/news/20230913/World-first-AI-model-can-detect-eye-diseases-and-predict-systemic-health.aspx. Accessed: September 14, 2023.
13. Heindl LM, Li S, Ting DS, Keane PA. Artificial intelligence in ophthalmological practice: when ideal meets reality. BMJ Open Ophthalmol. 2023 Jun;8(1):e001129. doi: 10.1136/bmjophth-2022-001129.
14. Rorabaugh Z. The role of AI in Ophthalmology: Transforming eye care. Horizon Eye Care. https://www.horizoneye.com/blog/the-role-of-ai-in-ophthalmology-transforming-eye-care. Accessed: December 17, 2024.
15. Jeon S, Liu Y, Li JO, Webster D, Peng L, Ting D. AI papers in ophthalmology made simple. Eye. 2020 May;34(11):1947-1949. doi: 10.1038/s41433-020-0929-6.
16. Pattathil N, Lee TJ, Huang RS, Lena ER, Felfeli T. Adherence of studies involving artificial intelligence in the analysis of ophthalmology electronic medical records to AI-specific items from the CONSORT-AI guideline: a systematic review. Graefes Arch Clin Exp Ophthalmol. 2024 July;262(12):3741-3748. doi: 10.1007/s00417-024-06553-3.
17. Crago SM. AI advancements in ophthalmology: What’s new in 2023 so far. https://www.modernretina.com/view/ai-advancements-in-ophthalmology-what-s-new-in-2023-so-far. Accessed: June 21, 2023.
18. Walia P. AI ophthalmology innovations: A new era in eye care. Artelus. https://artelus.ai/blog/ai-ophthalmology-revolutionizing-eye-care. Accessed: May 7, 2024.
19. Li JO, Liu H, Ting DSJ, Jeon S, Chan RVP, Kim JE, et al. Digital technology, tele-medicine and artificial intelligence in ophthalmology: A global perspective. Prog Retin Eye Res. 2021 May;82:100900. doi: 10.1016/j.preteyeres.2020.100900.
20. Tkachenko O, Afanasyeva I, Abdriakhimov R. Information and digital technologies in the process of training future doctors in the context of digitalization of medicine. Sci Technol Today. 2022 Jun;7(7). doi: 10.52058/2786-6025-2022-7(7)-205-219.
21. Goktas P, Mae AG. Balancing the promises and challenges of artificial intelligence. Ophthal Times. 2024 Dec;30-31.
22. Tan W, Wei Q, Xing Z, Fu H, Kong H, Lu Y, Yan B, Zhao C. Fairer AI in ophthalmology via implicit fairness learning for mitigating sexism and ageism. Nat Commun. 2024 Jul;15(1):4750. doi: 10.1038/s41467-024-48972-0.
23. Wang Y, Liu C, Zhou K, Zhu T, Han X. Towards regulatory generative AI in ophthalmology healthcare: a security and privacy perspective. Br J Ophthalmol. 2024 Jun;108(10):1349-1353. doi: 10.1136/bjo-2024-325167. 
24. Abdullah YI, Schuman JS, Shabsigh R, Caplan A, Al-Aswad LA. Ethics of artificial intelligence in medicine and ophthalmo–logy. Asia Pac J Ophthalmol (Phila). 2021 May-Jun;10(3):289-298. doi: 10.1097/APO.0000000000000397.
25. Veritti D, Rubinato L, Sarao V, De Nardin A, Foresti GL, Lanzetta P. Behind the mask: a critical perspective on the ethical, moral, and legal implications of AI in ophthalmology. Graefes Arch Clin Exp Ophthalmol. 2023 Sep;262(3):975-982. doi: 10.1007/s00417-023-06245-4.
26. Knebel D, Priglinger S, Scherer N, Klaas J, Siedlecki J, Schworm B. Assessment of ChatGPT in the prehospital management of ophthalmological emergencies — An analysis of 10 fictional case vignettes. Klin Monbl Augenheilkd. 2024 May;241(5):675-681. doi: 10.1055/a-2149-0447.
27. Valentín-Bravo FJ, Mateos-Álvarez E, Usategui-Martín R, Andrés-Iglesias C, Pastor-Jimeno JC, Pastor-Idoate S. Artificial Intelligence and new language models in Ophthalmology: Complications of the use of silicone oil in vitreoretinal surgery. Arch Soc Esp Oftalmol. 2023 May;98(5):298-303. doi: 10.1016/j.oftale.2023.04.011.
28. Mihalache A, Popovic MM, Muni RH. Performance of an artificial intelligence chatbot in ophthalmic knowledge assessment. JAMA Ophthalmol. 2023 Jun;141(6):589-597. doi: 10.1001/jamaophthalmol.2023.1144.
29. Honavar SG. Eye of the AI storm: Exploring the impact of AI tools in ophthalmology. Indian J of Ophthalmology. 2023 Jun;71(6):2328-2340. doi: 10.4103/IJO.IJO_1478_23.
30. Kenney RC, Requarth TW, Jack AI, Hyman SW, Galetta SL, Grossman SN. AI in neuro-ophthalmology: Current practice and future opportunities. J Neuro-Ophthalmol. 2024 Sep;44(3):308-318. doi: 10.1097/WNO.0000000000002205.
31. Zhou Y, Dai M, Sun L, Tang X, Zhou L, Tang Z, Jiang J, Xia X. The accuracy of intraocular lens power calculation formulas based on artificial intelligence in highly myopic eyes: a systema–tic review and network meta-analysis. Front Public Health. 2023 Nov;11:1279718. doi: 10.3389/fpubh.2023.1279718. 
32. Nemeth G, Kemeny-Bek A, Modis LJr. Comparison of accuracy of different intraocular lens power calculation methods using artificial intelligence. Eur J Ophthalmol. 2022 Jan;32(1):235-241. doi: 10.1177/1120672121994720.
33. Hao Y, Fu J, Huang J, Chen D. Comparing the accuracy of intraocular lens power calculation formulas using artificial intelligence and traditional formulas in highly myopic patients: a meta-analysis. Int Ophthalmol. 2024 Jun;44(1):242. doi: 10.1007/s10792-024-03227-1.
34. Stopyra W, Voytsekhivskyy O, Grzybowski A. Accuracy of 7 artificial intelligence-based intraocular lens power calculation formulas in extremely long Caucasian eyes. Am J Ophthalmol. 2025 Mar;271:337-346. doi: 10.1016/j.ajo.2024.10.033.
35. Keel S, van Wijngaarden P. The eye in AI: artificial intelligence in ophthalmology. Clin & Exp Ophthalmol. 2019 Nov;47(1):5-6. doi: 10.1111/ceo.13435.