Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Юсеф Ю.

ФГБНУ «Научно-исследовательский институт глазных болезней имени М.М. Краснова»;
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет)

Плюхова А.А.

ФГБНУ «Научно-исследовательский институт глазных болезней имени М.М. Краснова»

Юсеф Н.

Международная школа Вены

Искусственный интеллект в определении индивидуальных рисков прогрессирования возрастной макулярной дегенерации

Авторы:

Юсеф Ю., Плюхова А.А., Юсеф Н.

Подробнее об авторах

Журнал: Вестник офтальмологии. 2025;141(2): 123‑128

Прочитано: 868 раз


Как цитировать:

Юсеф Ю., Плюхова А.А., Юсеф Н. Искусственный интеллект в определении индивидуальных рисков прогрессирования возрастной макулярной дегенерации. Вестник офтальмологии. 2025;141(2):123‑128.
Yusef Yu, Plyukhova AA, Yusef N. Artificial intelligence in assessment of individual risks of age-related macular degeneration progression. Russian Annals of Ophthalmology. 2025;141(2):123‑128. (In Russ.)
https://doi.org/10.17116/oftalma2025141021123

Рекомендуем статьи по данной теме:
Ну­жен ли ис­кусствен­ный ин­тел­лект сис­те­ме здра­во­ох­ра­не­ния?. Ме­ди­цин­ские тех­но­ло­гии. Оцен­ка и вы­бор. 2024;(4):40-48

Литература / References:

  1. Wong WL, Su X, Li X, Cheung CM, Klein R, Cheng CY, Wong TY. Global prevalence of age-related macular degeneration and disease burden projection for 2020 and 2040: A systematic review and meta-analysis. Lancet Glob. Health. 2014;2:e106–e116. https://doi.org/10.1016/S2214-109X(13)70145-1
  2. Шеремет Н.Л., Микаелян А.А., Андреев А.Ю., Киселев С.Л. Возможности лечения заболеваний сетчатки, сопровождающихся повреждением ретинального пигментного эпителия. Вестник офтальмологии. 2019;135(5-20):226-234.  https://doi.org/10.17116/oftalma2019135052226
  3. Leuschen JN, Schuman SG, Winter KP, McCall MN, Wong WT, Chew EY, Hwang T, Srivastava S, Sarin N, Clemons T, Harrington M, Toth CA. Spectral-domain optical coherence tomography characteristics of intermediate age-related macular degeneration. Ophthalmology. 2013;120:140-150.  https://doi.org/10.1016/j.ophtha.2012.07.004
  4. Yim J, Chopra R, Spitz T, Winkens J, Obika A, Kelly C, Askham H, Lukic M, Huemer J, Fasler K, Moraes G, Meyer C, Wilson M, Dixon J, Hughes C, Rees G, Khaw PT, Karthikesalingam A, King D, Hassabis D, Suleyman M, Back T, Ledsam JR, Keane PA, De Fauw J. Predicting conversion to wet age-related macular degeneration using deep learning. Nat Med. 2020;26(6):892-899.  https://doi.org/10.1038/s41591-020-0867-7
  5. Будзинская М.В., Шеланкова А.В. Разрывы ретинального пигментного эпителия при возрастной макулярной дегенерации. Вестник офтальмологии. 2021;137(3):115-120.  https://doi.org/10.17116/oftalma2021137031115
  6. Klein ML, Ferris FL 3rd, Armstrong J, Hwang TS, Chew EY, Bressler SB, Chandra SR; AREDS Research Group. Retinal precursors and the development of geographic atrophy in age-related macular degeneration. Ophthalmology. 2008;115:1026-1031. https://doi.org/10.1016/j.ophtha.2007.08.030
  7. Waldstein SM. Vogl WD, Bogunovic H, Sadeghipour A, Riedl S, Schmidt-Erfurth U. Characterization of drusen and hyperreflective foci as biomarkers for disease progression in age-related macular degeneration using artificial intelligence in optical coherence tomography. JAMA Ophthalmol. 2020; 138:740-747.  https://doi.org/10.1001/jamaophthalmol.2020.1376
  8. Damian I, Nicoară SD. SD-OCT biomarkers and the current status of artificial intelligence in predicting progression from intermediate to advanced AMD. Life (Basel). 2022;12(3):454.  https://doi.org/10.3390/life12030454
  9. Каталевская Е.А., Каталевский Д.Ю., Тюриков М.И., Велиева И.А., Большунов А.В. Перспективы использования искусственного интеллекта в диагностике и лечении заболеваний сетчатки. РМЖ. Клиническая офтальмология. 2022;22(1):36-43.  https://doi.org/10.32364/2311-7729-2022-22-1-36-43
  10. Schmidt-Erfurth U, Sadeghipour A, Gerendas BS, Waldstein SM, Bogunović H. Artificial intelligence in retina. Prog Retin Eye Res. 2018;67:1-29.  https://doi.org/10.1016/j.preteyeres.2018.07.004
  11. Bhuiyan A, Wong TY, Ting DSW, Govindaiah A, Souied EH, Smith RT. Artificial intelligence to stratify severity of age-related macular degeneration (AMD) and predict risk of progression to late AMD. Transl Vis Sci Technol. 2020;9(2):25.  https://doi.org/10.1167/tvst.9.2.25
  12. Romond K, Alam M, Kravets S, Sisternes L, Leng T, Lim JI, Rubin D, Hallak JA. Imaging and artificial intelligence for progression of age-related macular degeneration. Exp Biol Med (Maywood). 2021;246(20):2159-2169. https://doi.org/10.1177/15353702211031547
  13. Hallak JA, de Sisternes L, Osborne A, Yaspan B, Rubin DL, Leng T. Imaging, genetic, and demographic factors associated with conversion to neovascular age-related macular degeneration: secondary analysis of a randomized clinical trial. JAMA Ophthalmol. 2019;137:738-744.  https://doi.org/10.1001/jamaophthalmol.2019.0868
  14. Yim J, Chopra R, Spitz T, Winkens J, Obika A, Kelly C, Askham H, Lukic M, Huemer J, Fasler K, Moraes G, Meyer C, Wilson M, Dixon J, Hughes C, Rees G, Khaw PT, Karthikesalingam A, King D, Hassabis D, Suleyman M, Back T, Ledsam JR, Keane PA, De Fauw J. Predicting conversion to wet age-related macular degeneration using deep learning. Nat Med. 2020;26:1-8.  https://doi.org/10.1038/s41591-020-0867-7

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.