Vývoj systému hlubokého učení pro identifikaci neurooftalmologických stavů na barevných snímcích očního pozadí na oddělení urgentního příjmu (DEEP-VISION)

V posledních letech byla umělá inteligence (AI) široce integrována do lékařské oblasti, což přispělo zejména ke zlepšení diagnostiky pacientů. Studie BONSAI, Brain and Optic Nerve Study with AI, na které se náš tým podílí, úspěšně prokázala schopnost umělé inteligence identifikovat jednotlivé neurooftalmologické nebo neurologické patologie postihující zrakové nervy a/nebo mozek z jednoduchého snímku očního pozadí.

I když se jedná o slibný pokrok, zůstává v současné klinické praxi omezený. Naším hlavním úkolem je být schopen identifikovat širší škálu patologií zrakového nervu a/nebo mozku současně ve stejné analýze, abychom zlepšili péči o pacienty, zejména u těch, kteří jsou odesíláni na pohotovostní oddělení. Při absenci přesné diagnózy mohou být komplikace nevratné a život ohrožující.

Mezi nejvíce alarmující klinické příznaky na pohotovosti patří stázový dém papily, který může být doprovázen akutními bolestmi hlavy a může naznačovat přítomnost intrakraniální hypertenze, zánětlivé nebo ischemické patologie. To druhé může být projevem Hortonovy choroby. Náš tým vyvinul algoritmus AI pro diagnostiku abnormalit sítnice a zrakového nervu na základě retinofotografií pořízených za ideálních podmínek během plánovaných konzultací, a nikoli na snímcích pacientů přicházejících na pohotovost. V nemocnicích bez očních pohotovostí je nezbytné, aby lékaři urgentního příjmu (pohotovostní lékaři, praktičtí lékaři, neurologové) byli schopni posoudit fundus v nepřítomnosti oftalmologického specialisty. Toto hodnocení, i když je součástí obecného vyšetření, často představuje výzvu pro neoční lékaře. Cílem naší studie je zlepšit výkon našeho algoritmu AI tak, aby dokázal rozlišovat mezi různými patologiemi sítnice a zrakového nervu na pohotovosti. Plánujeme proto vybudovat databázi snímků očního pozadí prospektivním zahrnutím pacientů přicházejících na oční a neurologické pohotovostní oddělení Nemocnice Fondation Adolphe de Rothschild. Výkon vyvinutého algoritmu bude hodnocen podle standardních kritérií citlivosti, specificity, plochy pod křivkou (AUC) a přesnosti.