This article reviews literature on the use of artificial intelligence (AI) for screening, diagnosis, monitoring and treatment of glaucoma. The first part of the review provides information how AI methods improve the effectiveness of glaucoma screening, presents the technologies using deep learning, including neural networks, for the analysis of big data obtained by methods of ocular imaging (fundus imaging, optical coherence tomography of the anterior and posterior eye segments, digital gonioscopy, ultrasound biomicroscopy, etc.), including a multimodal approach. The results found in the reviewed literature are contradictory, indicating that improvement of the AI models requires further research and a standardized approach. The use of neural networks for timely detection of glaucoma based on multimodal imaging will reduce the risk of blindness associated with glaucoma.
В первой части обзора данных литературы, посвященной применению методов искусственного интеллекта (ИИ) для скрининга, диагностики, мониторинга и лечения глаукомы, приводятся сведения о том, как методы ИИ повышают эффективность скрининга глаукомы. Представлены технологии применения глубокого обучения, включая нейронные сети, в анализе больших данных, полученных с помощью методов визуализации глаза (фундус-изображений глазного дна, оптической когерентной томографии переднего и заднего отрезков глаза, цифровой гониоскопии, ультразвуковой биомикроскопии и т.д.), включая мультимодальный подход. Результаты проанализированной литературы носят противоречивый характер, что указывает на необходимость дальнейшего поиска с учетом стандартизированного подхода для повышения эффективности моделей ИИ. Применение нейросетей для своевременного выявления глаукомы, основанное на мультимодальной визуализации, позволит снизить риск слепоты, ассоциированной с глаукомой.