Можливості штучного інтелекту у діагностиці кератоконусу з використанням структурованого алгоритму

Мета. Оцінка ефективності застосування штучного інтелекту у діагностиці кератоконусу на основі кератотопографічних карт, з подальшим визначенням стадії захворювання та дослідження впливу рівня стандартизації клінічного алгоритму на точність і стабільність результатів. Матеріал та методи. Проведено ретроспективний аналіз 59 кератотопографічних карт із бази даних ACE DIAGNOSTIC PLATFORM фірми Baush+Lomb, 2021 року випуску, отриманих від 37 пацієнтів. Дослідження здійснювалося у три етапи, які моделювали різні рівні інтеграції ШІ – від повної автономії до роботи за жорстко структурованим алгоритмом діагностики, розробленим авторами (авторське право на твір № 139012 від 26.08.2025) [12]. Для встановлення діагнозу та стадії використовувалась адаптована мовна модель ChatGPT (OpenAI, 2023). Статистична обробка результатів дослідження проводилася за допомогою програмного забезпечення Microsoft Excel 2019 із використанням вбудованих статистичних функцій і надбудови Analysis ToolPak з використанням моделі бінарної та багатокласової класифікації, порівнювалися точність, чутливість, специфічність, прецизійність та F1-міра на кожному етапі. Результати. Встановлено, що точність моделі на першому етапі склала 79,7%, однак лише 33,3% випадків були правильно стадійовані. На другому етапі загальна точність зросла до 93,2%, а точність визначення стадії – до 74,36%. Найвищі показники отримано на третьому етапі: чутливість – 100%, специфічність – 95%, точність – 98,0%, точність стадіювання – 89,7%. Висновки. Штучний інтелект продемонстрував потенціал для автоматизованої діагностики кератоконусу, однак ефективність реалізується повною мірою лише за умови чіткого структурованого алгоритму. Самостійне рішення ШІ без вказівок призводить до високої варіативності результатів. Впровадження алгоритмізованої логіки дозволяє значно підвищити стабільність і точність системи.