AI pro detekci onemocnění sítnice a glaukomu u pacientů s diabetes mellitus v primární péči

Návrh studie Tento projekt se bude řídit metodikou sestávající ze 2 souběžných studií: V první studii vyvineme algoritmus AI pro detekci příznaků DR u pacientů s diabetem.

Druhá část projektu bude spočívat ve vypracování prospektivní studie, která umožní porovnat diagnostickou kapacitu algoritmu s diagnostickou kapacitou lékařů rodinného lékařství a se specialisty na sítnici. Referencí bude slepé dvojité čtení provedené specialisty na sítnici (se zaslepeným třetím čtením v případě nesouhlasu v předchozích 2 čteních). Tímto způsobem budou výsledky získané jak algoritmem AI, tak odborníky na rodinnou medicínu porovnány pomocí zlatého standardu (přesnost, senzitivita, specificita, plocha pod křivkou atd.). Bude zváženo zahrnutí sester, které absolvovaly školení v odečítání fundu, aby se porovnala jejich diagnostická kapacita.

Snímky studie populace, účasti na místě a náboru pro vývoj algoritmu budou postoupeny CHS a budou zahrnovat snímky celé katalánské populace. Prospektivní studie bude probíhat v centrech primární péče spravovaných Katalánským zdravotním institutem ve středním Katalánsku, který zahrnuje hrabství Bages, Osona, Berguedà a Anoia. Referenční populací bude populace přidělená do těchto center primární péče. Tato populace zahrnovala v roce 2017 asi 512 000 lidí s odhadovanou prevalencí diabetu 7,1 %.

Studijní období bude zahrnovat roky 2010-2017 pro vývoj algoritmu s AI. Prospektivní studie bude zahájena, jakmile bude algoritmus vyvinut, a bude probíhat, dokud nebude získán požadovaný počet odečtů (asi 3-4 měsíce).

Provádění studie Pro vývoj algoritmu AI budou zahrnuty všechny snímky očního pozadí označené jako DR pacientů z center primární péče v Katalánsku v letech 2010 až 2017. Pro prospektivní studii budou zahrnuty všechny snímky pacientů, kteří podstoupili vyšetření očního fundu, od období zahájení studie až do dosažení adekvátního počtu pacientů. Vysoké procento snímků očního pozadí musí mít dostatečnou kvalitu; to znamená 40stupňové vidění centrální sítnice, kde je vidět alespoň tři čtvrtiny optického nervu, dobře zaostřená makula a dobře definované žíly a tepny horního a dolního oblouku. Snímky očního fundu, které nebudou mít odpovídající technickou kvalitu (tmavé) nebo které nelze vyhodnotit z důvodu neprůhlednosti média (např. u šedého zákalu), budou vyloučeny.

Sběr dat Pro vývoj algoritmu AI je nutné mít anonymizované obrázky s odpovídajícím štítkem, který každý obrázek klasifikuje (v jedné z tříd, se kterou má být algoritmus trénován). Pracovníci odpovědní za informační technologie (IT) CHS vyhodnotí nejlepší strategii pro anonymizaci a extrakci snímků z počítačových systémů CHS a také identifikaci každého snímku jedinečným identifikátorem. Na druhou stranu bude vyžadován tabulkový typ souboru CSV nebo TXT, aby se každý identifikátor obrázku spojil s odpovídající klasifikací. Osoba odpovědná za IT CHS se společně s technickým manažerem OPTretina dohodnou na nejlepším způsobu přenosu těchto 2 zdrojů informací bezpečným způsobem ze serverů CHS na servery OPTretina (SSH File Transfer Protocol, externí pevný disk) v závislosti na objemu přenášených dat a vnitřní politice CHS. OPTretina má zkušenosti s vývojem modelů umělé inteligence pro automatickou klasifikaci snímků očního pozadí a je výrobcem zdravotnických prostředků certifikovaným španělskou agenturou pro léčiva a zdravotnické produkty.

Pro prospektivní studii budou shromažďovány anonymizované týdenní údaje o fundu shromážděné čtenáři snímků očního pozadí v rodinném lékařství ve středním Katalánsku. Snímky budou přeneseny na servery OPTretina, kde je nejprve analyzuje diagnostický algoritmus a poté specialisté na sítnici, kteří stanoví definitivní diagnózu. Osoba odpovědná za IT ČHS se spolu s technickým manažerem OPTretina dohodnou na nejlepším způsobu bezpečného přenosu těchto údajů.