В Journal of Ophthalmic Inflammation and Infection были опубликованы результаты исследования, проведенного среди 98 пациентов с кератитом бактериальной, грибковой и акантамебной этиологии. Подтверждение диагноза проводилось с помощью микробиологического исследования, конфокальной микроскопии in vivo и ПЦР.  Все визуальные результаты были сфотографированы с помощью смартфонов (iPhone XS и iPhone 13 Pro) при необходимом уровне освещения. 
Из всей массы фотографий были выбраны 889 изображений, из которых 78 (8,77%) демонстрировали акантамебный кератит, 479 (53,88%) – бактериальный, 332 (37,34%) – грибковый.  Далее была создана модель из сверхточных нейронных сетей, способных распознавать различные типы кератита: 72% фотографий использовались для ее обучения, 8% - для проверки и 20% - для самостоятельной диагностики. Общая точность дискриминации данной модели в различении вариантов кератита составила 0,838 (0,81 для акантамебного кератита, 0,82 для бактериального кератита и 0,87 для грибкового кератита), что соответствует достаточной диагностической точности.
Исследователи считают, что использование камер смартфонов может быть перспективным для проведения диагностики кератитов, в том числе с позиции доступности и экономической эффективности. Развитие технологий машинного обучение позволит повысить надежность применения нейросетей в офтальмологии.

Soleimani M, Cheung AY, Rahdar A, Kirakosyan A, Tomaras N, Lee I, De Alba M, Aminizade M, Esmaili K, Quiroz-Casian N, Ahmadi MJ, Yousefi S, Cheraqpour K. Diagnosis of microbial keratitis using smartphone-captured images; a deep-learning model. J Ophthalmic Inflamm Infect. 2025 Feb 13;15(1):8. doi: 10.1186/s12348-025-00465-x. PMID: 39946047; PMCID: PMC11825435.