Generatív és képfeldolgozó mesterséges intelligencia a szemészeti szűrésben a krónikus betegségek korai felismerésére és a betegedukáció javítására = Generative and Image-Processing Artificial Intelligence in Ophthalmic Screening for Early Detection of Chronic Diseases and Improving Patient Education

Szalóczy, Nóra and Varsányi, Balázs and Joó, Tamás (2026) Generatív és képfeldolgozó mesterséges intelligencia a szemészeti szűrésben a krónikus betegségek korai felismerésére és a betegedukáció javítására = Generative and Image-Processing Artificial Intelligence in Ophthalmic Screening for Early Detection of Chronic Diseases and Improving Patient Education. IME, 25 (2). pp. 51-57. ISSN 1588-6387

Preview

Text 51_57_Szaloczy_Nora.pdf - Published Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (417kB) | Preview

Abstract

Háttér: A diabétesz és a hipertónia világszerte egyre növekvő népegészségügyi terhet jelentenek. Gyakori szemészeti szövődményeik – a diabéteszes, illetve hipertóniás retinopátia – a munkaképes korú lakosság körében a megelőzhető látásvesztés vezető okai. A korai felismerés – rendszeres szemfenék vizsgálattal – jelentősen csökkentheti a súlyos látásromlás kockázatát. A szűrés széles körű megvalósítása kihívásokba ütközik (szakemberhiány, alacsony részvétel).Célkitűzés: A tanulmány áttekinti a mesterséges intelligencia, különösen a modern mélytanulás alapú képfeldolgozó és generatív eszközök alkalmazásának szerepét a krónikus betegségek (kiemelten a diabétesz és hipertónia) korai felismerésében és a betegedukáció javításában.Módszerek: Narratív szakirodalmi áttekintés PubMed-indexelt klinikai tanulmányok, meta-analízisek és szabályozási dokumentumok felhasználásával.Eredmények: Az Amerikai Gyógyszerügyi Hivatal által engedélyezett autonóm algoritmusok a diabéteszes retinopátia szűrésében szemész bevonása nélkül képesek referálási szintű elváltozásokat detektálni (érzékenység 87–96%, specificitás 85–94%). A generatív modellek a betegedukációban is megjelentek, de pontossági problémák limitálják használatukat.Következtetés: A mesterséges intelligencia alapú szemészeti szűrőrendszerek jelentősen növelhetik a szűrés hatékonyságát és hozzáférhetőségét. Az európai uniós szabályozói környezet szigorú követelményeket ír elő a biztonságos működés érdekében. | Background: Diabetes and hypertension are growing public health challenges worldwide. Their common ocular complications – diabetic and hypertensive reti - nopathy – can cause significant visual impairment; in particular, diabetic retinopathy is one of the leading causes of preventable vision loss in the working-age population. Early detection through regular retinal screening can significantly reduce the risk of severe visual impairment. However, the widespread implementation of screening faces challenges such as specialist shortages and suboptimal patient adherence. Objective: To provide an overview of how artificial intelligence (AI) – especially modern deep learningbased image processing and generative AI – can be applied in ophthalmic screening to facilitate the early detection of the ocular complications of chronic diseases (primarily diabetes and hypertension) and to improve patient education. Methods: A narrative, systematic-style literature re - view was conducted using PubMed and Web of Science indexed clinical studies, metaanalyses, professional guidelines, and regulatory documents. Results: Autonomous algorithms approved by the U.S. Food and Drug Administration (FDA) can detect referable diabetic retinopathy lesions without an oph - thalmologist (sensitivity 87–96%, specificity 85–94%). Generative models have also emerged in patient education, but their use is currently limited by accuracy and reliability problems. Conclusions: With appropriate validation and organizational integration, AI-based ophthalmic screening systems can improve the reach and coverage of screen - ing, thereby contributing to the reduction of preventable vision loss. The European Union regulatory environment imposes strict requirements to ensure safe and trustworthy operation.

Actions (login required)

Edit Item