37 EyeWorld Asia-Pacific | March 2025 REFRACTIVE SURGERY AI 도입 증가에 따른 임상의의 기술 저하 가능성 의료 기술은 경험을 통해 숙련되며, 경험은 시간에 따라 다수의 증례를 접하면서 쌓입니다. 특히 굴절교정 수술에서는 유전적, 생물학적, 환경적, 심리적, 사회경제적 요인들이 환자의 시력 예후와 만족도에 중요한 역할을 합니다. 굴절교정 수술의 심리적 요소를 관리하는 것은 진단 및 치료만큼이나 중요하며, 임상의의 인간적인 판단력과 공감 능력이 필수적입니다. 생체 시스템은 본질적으로 매우 복잡하며, AI는 대규모 데이터 처리 및 진단·치료 능력 강화에 활용될 수 있지만, 최종적으로는 임상의의 신중한 판단이 가장 중요한 요소로 남아야 합니다. 더욱이, AI가 오류를 범하여 환자에게 손해가 발생했을 경우, 책임은 누구에게 있습니까? 소프트웨어 회사? 의사? 병원? 이러한 문제를 명확히 규정하지 않으면, 책임 소재의 혼란과 환자 안전 위협으로 이어질 수 있습니다. 결국 안과의사는 AI가 제공하는 옵션을 해석하고, 정당화하며, 임상적 맥락에 맞게 조정하는 역할을 수행해야 하며, 이러한 역량은 경험을 통해서만 길러질 수 있다. 만약 이러한 과정이 생략된다면, 환자 안전이 심각하게 위협받을 수 있습니다. AI와 맞춤 시력 교정 – 이상적인 설계의 실현 가능성 굴절교정 수술에서 가장 큰 환자 불만 요인은 각막과 수정체의 광학적 특성이 불일치한다는 점이며, 굴절 이상은 오히려 상대적으로 빈도가 낮습니다. AI가 개별 환자에게 최적화된 노안 교정 솔루션을 설계하고 제공할 가능성은 매우 현실적이며, 이를 위해서는 진단 장비 제조업체, 인공수정체 (IOL) 제조업체, 레이저 수술 장비 제조업체 등 다양한 산업 간의 상호협력이 필수적입니다. 광학 법칙은 기본적으로 불변이며, AI는 이를 대체하는 것이 아니라 기존 수학적·물리적 모델로 해결할 수 없는 외부 요인들을 보완하는 역할을 해야 합니다. 그러나 이를 실현하려면 제조업체들의 기술 투명성이 필요합니다. 하지만 대부분의 기업은 독점 기술을 공개하는 데 소극적입니다. 따라서, 업계가 정말로 AI 기반 맞춤형 굴절 수술을 위한 협력에 나설 준비가 되어 있는가?라는 질문을 던져볼 필요가 있습니다. About the Physicians Renato Ambrósio Jr., MD, PhD | Adjunct Professor of Ophthalmology, Federal University of the State of Rio de Janeiro, Rio de Janeiro, Brazil | dr.renatoambrosio@gmail.com Ella Faktorovich, MD | Pacific Vision Institute, San Francisco, California | ella@pacificvision.org Nambi Nallasamy, MD | Assistant Professor of Ophthalmology and Visual Sciences, Assistant Professor of Computational Medicine and Bioinformatics, University of Michigan, Kellogg Eye Center, Ann Arbor, Michigan | nnallasa@med.umich.edu Travis Redd, MD | Assistant Professor of Ophthalmology, School of Medicine, Oregon Health & Science University, Portland, Oregon | redd@ohsu.edu Relevant Disclosures Ambrósio: Alcon, Ambrósio Vision Academy, Brazilian Artificial Intelligence Networking in Medicine (BrAIN), Carl Zeiss Meditec, Mediphacos, Oculus Faktorovich: None Nallasamy: Recordati Rare Diseases Redd: None References 1. Maeda N, et al. Neural network classification of corneal topography. Preliminary demonstration. Invest Ophthalmol Vis Sci. 1995;36:1327–1335. 2. Ambrosio Jr R, Randleman JB. Screening for ectasia risk: what are we screening for and how should we screen for it? J Refract Surg. 2013;29:230–232. 3. Ambrósio Jr R, Belin M. Enhanced screening for ectasia risk prior to laser vision correction. Int J Keratoconus Ectatic Corneal Dis. 2017;6:23–33. 4. Ambrósio Jr R. Post-LASIK ectasia: twenty years of a conundrum. Semin Ophthalmol. 2019;34:66–68. 5. Dupps WJ, Seven I. A large-scale computational analysis of corneal structural response and ectasia risk in myopic laser refractive surgery. Trans Am Ophthalmol Soc. 2016;114:T1. 6. McGhee CNJ, et al. Contemporary treatment paradigms in keratoconus. Cornea. 2015;34 Suppl 10:S16–23. 7. Ambrósio Jr R, et al. Optimized artificial intelligence for enhanced ectasia detection using Scheimpflug-based corneal tomography and biomechanical data. Am J Ophthalmol. 2023;251:126–142. This article originally appeared in the December 2024 issue of EyeWorld. It has been slightly modified and appears here with permission from the ASCRS Ophthalmic Services Corp. Editors’ note: Dr. Tanya Trinh disclosed no relevant financial interests.
RkJQdWJsaXNoZXIy Njk2NTg0