AI w praktyce kontaktologa

Od kontaktologa, szczególnie zajmującego się dopasowaniem skomplikowanych soczewek, np. stabilnokształtnych lub hybrydowych, oczekuje się kompleksowej analizy potrzeb wzrokowych, wyboru mocy optycznej, materiału, konstrukcji itp.

Zdobycie doświadczenia trwa jednak dość długo. Na dodatek w codziennej praktyce relatywnie rzadko trafiają się bardzo wymagające przypadki, w związku z czym trudno o nabycie wszechstronnych kompetencji. Z pomocą może przyjść sztuczna inteligencja (SI lub AI – od ang. artificial intelligence), która uczy się na podstawie doświadczenia tysięcy specjalistów i analizy setek tysięcy przypadków.

Sztuczna inteligencja z impetem wkracza w coraz to nowe zawody. Nie inaczej jest z szeroko pojętą nauką o zdrowiu czy medycyną. W ostatnich latach opracowano wiele rozwiązań bazujących na SI, których zadaniem jest m.in. diagnostyka szeregu chorób, w tym okulistycznych. Więcej informacji na ten temat można znaleźć w artykułach przeglądowych, takich jak np. Weisberg i wsp., Generative artificial intelligence in ophthalmology1 lub Li i wsp., Artificial intelligence in ophthalmology: The path to the real-world clinic2.

Pojawiły się też pierwsze pomysły na wykorzystanie SI w kontaktologii – dziedzinie nauki i praktyki, leżącej na pograniczu okulistyki i optometrii. Głównym celem jest lepsze dopasowanie soczewek różnego typu, szczególnie modeli bardziej zaawansowanych, a przez to droższych, a w rezultacie zapewnienie wyższej jakości i bardziej spersonalizowanych usług.

Spodziewane, choć jeszcze niepewne zalety dopasowania soczewek kontaktowych z użyciem sztucznej inteligencji to m.in.:

Lepsza dokładność dopasowania

Rezultat ten może przejawiać się np. w mniejszym odsetku porzuceń soczewek lub lepszej osiąganej ostrości wzroku. Pierwsze badania naukowe na ten temat już się pojawiły. W opublikowanej w 2025 r. pracy Zhou i wsp., Artificial intelligence-assisted fitting method using corneal topography outcomes enhances success rate in orthokeratology lens fitting3, dotyczącej soczewek ortokorekcyjnych aplikowanych na prawie 800 oczach, użyto modelu sztucznej inteligencji, który w swojej analizie przypadku uwzględniał m.in.: wartość refrakcji, parametry keratometryczne (ekscentryczność, astygmatyzm rogówkowy), średnicę tęczówki, wskaźnik asymetrii I-S (ang. inferior-superior asymmetry index), wskaźnik regularności powierzchni, a nawet długości cięciw łączących wybrane punkty na powierzchni rogówki. Autorzy pracy wykazali, że model SI był w stanie skutecznie przewidzieć odpowiednie parametry soczewki kontaktowej, przewyższając nawet tradycyjne metody.

Redukcja typowych błędów dopasowania

Błędy dopasowania zdarzają się, zwłaszcza w przypadku nietypowych, nieregularnych rogówek. W 2025 r. ukazała się praca Abadou i wsp., Artificial intelligence versus conventional methods for RGP lens fitting in keratoconus4, w której porównano skuteczność trzech typów SI – standardowego uczenia maszynowego, perceptronu wielowarstwowego (MLP, ang. multilayer perceptron) i splotowych (konwolucyjnych) sieci neuronowych (CNN, ang. convolutional neural networks) – z klasyczną metodą referencyjną bazującą na średnim promieniu krzywizny. Nadrzędnym celem było przewidywanie promienia tylnej krzywizny najlepiej dopasowanej sztywnej soczewki kontaktowej dla prawie 200 przypadków oczu ze stożkiem rogówki. Wszystkie metody wykorzystujące sieci neuronowe, opierając się na danych z dość popularnego topografu rogówki SCHWIND MS-39, wykazały lepszą skuteczność niż metoda referencyjna.

Większy komfort użytkowania i lepsza ostrość wzroku

Te dwa parametry soczewek kontaktowych są najczęściej oceniane przez pacjentów. Jeśli komfort użytkownika lub ostrość wzroku przy stosowaniu soczewek pozostają na niewystarczającym poziomie, cechy te są podnoszone jako główne argumenty do porzucenia soczewek. W tym obszarze kontaktolodzy również mogą korzystać z pomocy SI, co potwierdzają pierwsze doniesienia naukowe w tym zakresie. Do listy wspomnianych wcześniej prac można dołączyć opublikowany w 2024 r. artykuł Koo i wsp., Development of a machine-learning-based tool for overnight orthokeratology lens fitting5 dotyczący soczewek sztywnych (rys. 1).

Z kolei w pracy autorstwa Wen-Pin Lin i wsp., Can AI predict the magnitude and direction of ortho-k contact lens decentration to limit induced HOAs and astigmatism? 6 ocenia się, że dzięki współpracy z AI poprawa komfortu i ostrości wzroku może sięgać nawet 20–25%, szczególnie jeśli optymalizacja soczewki będzie uwzględniać rozkład aberracji.

Szybszy proces dopasowania

Proces dopasowania soczewek, oparty na narzędziach bazujących na SI, jest niewątpliwie znacznie szybszy w porównaniu z tradycyjnymi metodami. Daje to nadzieję na skrócenie całego procesu i stwarza możliwość objęcia opieką większej liczby pacjentów. Wprawdzie dane niezbędne do działania SI są zbierane z użyciem odpowiednich przyrządów (autorefraktometrów, topografów, optycznych tomografów koherencyjnych itp.), co zajmuje czas, jednak obliczenia są wykonywane niemal natychmiast, a liczba niezbędnych wizyt może być mniejsza.

Spersonalizowane rozwiązania dla złożonych przypadków

Poważniejsze deformacje rogówki, które niełatwo poddają się dopasowaniu, takie jak np. stożek rogówki czy wysoki astygmatyzm, wymagają daleko posuniętej personalizacji. Tu również sztuczna inteligencja może wykazać przewagę, bo – uczona na dużej liczbie przypadków, w których rogówka jest nieregularna – dobrze daje sobie radę w sytuacjach wcześniej jej nieznanych, dostarczając odpowiednich danych, opisujących potrzebną geometrię soczewki kontaktowej.

Nowe horyzonty

Możliwości SI są znacznie większe niż te, które wykorzystywano do tej pory. Dla przykładu, przy projektowaniu soczewek kontaktowych – niezależnie od ich typu – można skorzystać z wielu dodatkowych parametrów. Mówi się np. o wykorzystaniu nie tylko samej topografii rogówki, ale wręcz o mapowaniu kompletnego przedniego odcinka oka za pomocą OCT, pomiarze dynamiki źrenicy (nowoczesnej pupilometrii), analizie jakości filmu łzowego (TBUT, NIBUT, osmolarność) oraz potrzeb wzrokowych, a nawet uwzględnieniu dotychczasowej historii dopasowań oraz informacji o zdrowiu, stylu życia, środowisku wzrokowym i wzorcach zachowań wzrokowych (obserwowanych przez kamerę). Dla specjalisty kontaktologa taki zakres danych wejściowych jest zbyt duży, by móc je analizować podczas rutynowej wizyty, ale SI świetnie radzi sobie z dużą ilością danych.

SI może finalnie – w oparciu o dostarczone dane, pobrane automatycznie z urządzeń pomiarowych – zaproponować najlepszy typ soczewki kontaktowej, wybrać materiał i określić parametry geometryczne niezbędne do uruchomienia procesu produkcyjnego. Tego typu systemy już pojawiły się w literaturze naukowej w odniesieniu do wszczepialnych soczewek wewnątrzgałkowych7. Mimo że działają one w oparciu o inne dane, to sam schemat techniczny procesu produkcji
jest bardzo zbliżony.

Ciemna strona mocy

Potencjalnie duża automatyzacja procesu dopasowania soczewek kontaktowych jest sprzymierzeńcem kontaktologa, choć od tej zasady istnieją wyjątki w postaci soczewek miękkich. Soczewki sztywne (stabilnokształtne) każdego rodzaju obecnie muszą być (i oby jak najdłużej były) dopasowywane przez specjalistów. W przypadku soczewek miękkich plagą są samodopasowania (szczególnie modeli czysto sferycznych), głównie z tego powodu, że nietrafienie w odpowiednią moc i inne parametry wiąże się z niewielkim ryzykiem finansowym i zdrowotnym.

Niektórzy dystrybutorzy soczewek miękkich, oferujący sprzedaż przez internet, z pewnością będą dążyć do wykorzystania „inteligentnych systemów dopasowania”, czyli aplikacji internetowych, które na podstawie danych wprowadzonych przez klientów będą lepiej dobierać soczewki niż sami klienci, zwiększając w ten sposób sprzedaż. Trudno w tej chwili ocenić, na ile zmieni to rynek soczewek kontaktowych.

Warto tu wspomnieć jako ciekawostkę, że jedna z dużych firm w 2023 r. oferowała granty badawcze m.in. w obszarze „Wpływ sztucznej inteligencji (AI) na dopasowanie i diagnostykę soczewek kontaktowych, w tym zastosowania w optometrii i ortokeratologii”. Prowadzenie tego typu badań na pewno nie jest odosobnionym przypadkiem, zwłaszcza że w bazach patentowych można już znaleźć zaczątki systemów SI wspomagających pracę kontaktologów, takich jak np. US 7,370,969 B2 (Corneal topography analysis system) czy US 10,468,142 B1 (Artificial intelligence-based system and methods for corneal diagnosis).

Intrygujący prototyp został zaprezentowany także przez indyjski oddział firmy Microsoft. Nie jest to wprawdzie urządzenie służące stricte do dopasowania soczewek kontaktowych, ale w pewnym zakresie może ono wspomagać zarówno kontaktologów, jak i użytkowników. Mowa o topografie rogówki SmartKC8, zakładanym na smartfona. Urządzenie to – po rejestracji odbicia pierścieni Placido w rogówce – ocenia ryzyko wystąpienia stożka rogówki, posiłkując się odpowiednio wytrenowaną siecią neuronową. W Europie może się ono wydawać gadżetem, ale sprawdzi się w przypadku innych populacji, np. w Indiach, gdzie odsetek osób ze stożkiem rogówki jest dość wysoki i wynosi powyżej 2%9. W procesie dopasowania soczewek (przez specjalistę lub nie) informacja o stożku i jego zaawansowaniu jest kluczowa do podjęcia decyzji o sposobie korekcji.

Quo vadis, AI?

Obecnie jesteśmy dopiero na początku drogi do powszechnego wykorzystania SI w kontaktologii, ale niewątpliwie pojawiły się już pierwsze jaskółki nadchodzącej zmiany. A czego jeszcze można oczekiwać w przyszłości?

Platformy internetowe SI, umożliwiające zdalne dopasowanie soczewek kontaktowych na podstawie pomiarów wykonywanych z użyciem smartfona oraz dodatkowych źródeł informacji, np. danych uzyskanych podczas wizyt w placówkach medycznych. Obecnie nie jest to proste zadanie z prawnego punktu widzenia (dostęp do danych wrażliwych), ale to tylko techniczny problem do rozwiązania.
Automatyczne czaty dla użytkowników soczewek kontaktowych, wspomagające ich zarówno na etapie podejmowania decyzji o wyborze tego typu korekcji, jak i w trakcie użytkowania, gdy pojawiają się różne, mniej lub bardziej typowe pytania. Są już nawet dostępne pierwsze analizy dotyczące jakości i wiarygodności tego typu rozwiązań, takie jak np. praca Accuracy and safety of a chatbot as provider of information in English for contact lens users z Universitat Politècnica de Catalunya BarcelonaTech (UPC)10.
Dynamiczna analiza funkcjonowania soczewek kontaktowych na oku, prowadzona nie tylko w trakcie wizyty u specjalisty, ale i w dłuższej perspektywie. Taka analiza będzie wymagać przewidywania zmian zachodzących podczas użytkowania na podstawie doświadczeń innych pacjentów oraz – być może – własności biomechanicznych rogówki (lub całego przedniego odcinka oka) czy aspektów zdrowotnych wpływających na homeostazę powierzchni oka.
Ułatwienie produkcji w obiegu zamkniętym dzięki projektowaniu personalizowanych soczewek na żądanie, niewymagających tylu soczewek próbnych, co obecnie.

Z pewnością wielu czytelników, szczególnie kontaktologów, może czuć niepokój – czy SI ich zastąpi? Mam nadzieję, że tak nie będzie i wierzę, że sztuczna inteligencja to kolejne narzędzie, które umożliwia poszerzenie zakresu wiedzy naukowej i specjalistycznej oraz zwiększa dostępność soczewek kontaktowych przy jednoczesnym poprawieniu – w każdym aspekcie – jakości pracy specjalistów. Uważam, że należy kierować się wytycznymi organizacji Optometry Australia, która już w 2018 r. w raporcie Optometry 2040. Taking control of our future11 prognozowała, że specjaliści muszą zmienić swoje schematy postępowania, jeśli chcą przetrwać i stać się „zaufanymi przewodnikami w systemie skoncentrowanym na pacjencie”.