Sztuczna inteligencja (AI – artificial intelligence) oparta na uczeniu maszynowym stopniowo staje się nieodłączną częścią naszej codzienności. Począwszy od wspomagania wyszukiwania informacji z zasobów internetowych, po sprawne tworzenie korelacji między zbiorami danych, ułatwia diagnostykę chorób, podejmowanie decyzji terapeutycznych, przewidywanie rokowania pacjentów itp.

W zakresie chirurgii refrakcyjnej dotyczącej wymiany soczewki własnej jest dostępnych wiele matematycznych formuł wyliczania implantów soczewkowych (IOL – intraocular lens), z których jedne zyskują przewagę nad innymi, zależnie od parametrów zmierzonych podczas kwalifikacji. Tworzy się modele predykcyjne na podstawie kombinacji różnych danych biometrycznych wprowadzonych do wyliczeń. Czasami jednak zbyt duża liczba zmiennych może zaburzyć skuteczność przewidywania mocy implantu soczewkowego. W efekcie powstają formuły oparte na AI bazujące na zbiorach wyników refrakcyjnych pacjentów, m.in. na zasadzie rozpoznawania wzorców, a ponadto sama AI może służyć do udoskonalania już istniejących formuł. Opracowanie uniwersalnej kal­kulacji dokładnej mocy pożądanego implantu jest jednak utrudnione ze względu na niedostateczną wiedzę o wszystkich czynnikach wpływających na zarówno ostateczny efekt optyczny, jak i zmienne chirurgiczne. Rozmiar kapsuloreksji i jej decentracja decydujące o prawidłowym ustawieniu IOL w torbie, kapsulotomia tylna wykonana śród- lub pozabiegowo, a także jakość jej przeprowadzenia, stopień uszkodzenia aparatu wieszadłowego soczewki podczas samego zabiegu, właściwości biochemiczne implantu i układ haptyków – są to niektóre z licznych czynników, które trudno uwzględnić w wyliczeniach.