🔥 Hot topics · NIE potrafi · Potrafi · § The Court · Ostatnie zmiany · 📈 Oś czasu · Zapytaj · Artykuły redakcyjne · 🔥 Hot topics · NIE potrafi · Potrafi · § The Court · Ostatnie zmiany · 📈 Oś czasu · Zapytaj · Artykuły redakcyjne
Stuff AI CAN'T Do

Czy AI może wykrywać niektóre choroby, analizując obrazy oczu ?

Co o tym myślisz?

Systemy AI coraz częściej potrafią identyfikować niektóre choroby poprzez analizę obrazów siatkówki. Narzędzia te badają skany siatkówki w celu wykrycia schorzeń takich jak retinopatia cukrzycowa, jaskra i zwyrodnienie plamki związane z wiekiem, a także szerszych zagrożeń zdrowotnych, takich jak choroby układu krążenia. W jaki sposób dokładnie te modele są szkolone i jakie dowody potwierdzają ich skuteczność?

Background

Systemy AI mogą analizować obrazy siatkówki, aby wykrywać choroby, szczególnie przy użyciu skanów siatkówki, takich jak fotografie dna oka i optyczna koherentna tomografia (OCT). Systemy te wykazały wysoką dokładność w identyfikowaniu schorzeń, w tym retinopatii cukrzycowej, jaskry i zwyrodnienia plamki związanego z wiekiem. Niektóre modele przewidują również choroby układowe, takie jak nadciśnienie i ryzyko chorób układu krążenia na podstawie obrazów siatkówki.

Modele głębokiego uczenia wykazały wysoką skuteczność w przypadku chorób takich jak retinopatia cukrzycowa, zwyrodnienie plamki związanego z wiekiem, jaskra oraz choroby neurodegeneracyjne, w tym choroba Alzheimera, często dorównując lub przewyższając ekspertów w określonych zadaniach diagnostycznych. Modele te opierają się na dużych zbiorach danych z adnotacjami zawierającymi fotografie dna oka, skany OCT, a czasem także obrazy wielomodalne, aby identyfikować subtelne zmiany naczyniowe, strukturalne i teksturalne związane z chorobami.

Narzędzia dopuszczone przez organy regulacyjne oparte na tych modelach są już obecnie stosowane klinicznie. Jednak powszechne przyjęcie zależy od walidacji na zróżnicowanych populacjach oraz płynnej integracji z istniejącymi przepływami pracy okulistycznymi.

— Wzbogacono 13 maja 2026 · Źródło: Nature Medicine
— Wzbogacono 13 maja 2026 · Źródło: National Eye Institute

Status sprawdzony ostatnio June 29, 2026.

📰

Galeria

In the Court of AI Capability
Summary of Findings
Verdict over time
May 2026May 2026May 2026May 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026Jun 2026
Sitting at the Bench Filed · cze 29, 2026
— The Question Before the Court —

Czy AI może wykrywać niektóre choroby, analizując obrazy oczu?

★ The Court Finds ★
Reaffirmed
Tak

Jury udzieliło jednoznacznie twierdzącej odpowiedzi.

Ruling of the Bench

Ławnicy uznali, że sprawa jest wyjątkowo jasna, zauważając, że sztuczny wzrok jest już ostrzejszy niż ludzki, jeśli chodzi o wykrywanie subtelnych oznak chorób w skanach siatkówki. Przy braku głosów sprzeciwu, panel jednogłośnie zgodził się, że zadanie w pełni mieści się w obecnych możliwościach AI. Orzeczenie: Od niewyraźnych zarysów do niezawodnych diagnoz – tak, AI już zdobyło licencję na prowadzenie okulistyki.

— Hon. D. Knuth-Hale, Presiding
Jury Tally
2Tak
0Prawie
0Nie
Verdict Confidence
94%
The Court of AI Capability is, of course, not a real court.
But the data is real.
The Case File · Stacked History
Session I · May 2026 Tak
Session II · May 2026 Tak · 84%
Session III · May 2026 Tak · 83%
Session IV · May 2026 Tak · 82%
Session V · Jun 2026 Tak · 83%
Session VI · Jun 2026 Tak · 82%
Session VII · Jun 2026 Tak · 83%
Session VIII · Jun 2026 Tak · 95%
Session IX · Jun 2026 Tak · 98%
Case № B5B7 · Session X
In the Court of AI Capability

The Case File

Docket № B5B7 · Session X · Vol. X
I. Particulars of the Case
Question put to the courtCzy AI może wykrywać niektóre choroby, analizując obrazy oczu?
SessionX (10 hearing)
Convened29 cze 2026
Previously ruledYES (May '26) → YES (May '26) → YES (May '26) → YES (May '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26) → YES (Jun '26)
Presiding JudgeHon. D. Knuth-Hale
II. Cumulative Tally Across Sessions

Across 10 sessions, 29 jurors have heard this case. Combined tally: 27 YES · 2 ALMOST · 0 NO · 0 IN RESEARCH.

Note: cumulative includes older juror opinions. The current session tally above is the live verdict.

III. Verdict

By a vote of 2 — 0 — 0, the panel returns a verdict of TAK, with verdict confidence of 94%. The court so orders.

IV. Oświadczenia składu sędziowskiego
Przysięgły I TAK

"Deep learning models analyze eye images"

Przysięgły II TAK

"AI systems like Google's Med-Gemini can detect diabetic retinopathy and other eye diseases from fundus images."

Indywidualne oświadczenia przysięgłych są pokazywane w oryginalnym języku angielskim, by zachować precyzję dowodową.

D. Knuth-Hale
Presiding Judge
M. Lovelace
Clerk of the Court

Co myśli publiczność

Nie 0% · Tak 74% · Może 26% 23 votes
Tak · 74%
Może · 26%
64 days of activity

Dyskusja

no comments

Komentarze i obrazy przechodzą przez weryfikację admina zanim pojawią się publicznie.

10 jury checks · najnowsze 4 dni temu
29 Jun 2026 2 jurors · potrafi, potrafi potrafi
23 Jun 2026 1 juror · potrafi potrafi
18 Jun 2026 1 juror · potrafi potrafi
13 Jun 2026 3 jurors · potrafi, potrafi, potrafi potrafi
07 Jun 2026 3 jurors · potrafi, potrafi, potrafi potrafi
02 Jun 2026 3 jurors · potrafi, potrafi, potrafi potrafi
27 May 2026 3 jurors · potrafi, potrafi, potrafi potrafi
22 May 2026 4 jurors · nierozstrzygnięte, potrafi, potrafi, potrafi nierozstrzygnięte
17 May 2026 5 jurors · nierozstrzygnięte, potrafi, potrafi, potrafi, potrafi nierozstrzygnięte
13 May 2026 4 jurors · potrafi, potrafi, potrafi, potrafi potrafi status zmieniony

Każdy wiersz to oddzielna kontrola jury. Jurorzy to modele SI (tożsamości celowo neutralne). Status odzwierciedla skumulowane wyniki ze wszystkich kontroli — jak działa jury.

Więcej w health

Masz coś, co nam umknęło?

Dodaj stwierdzenie do atlasu. Sprawdzamy co tydzień.