Validering af den diagnostiske nøjagtighed af Mediview 2.0-software som et billedanalyseværktøj af Meibomske kirtler

Meibomisk kirteldysfunktion (MGD) er en kronisk abnormitet i de meibomske kirtler og er almindeligvis karakteriseret ved terminal meibomisk kanalobstruktion og/eller kvalitative eller kvantitative ændringer i kirtelsekretionen. Dette kan resultere i ændring af sammensætningen og funktionen af ​​tårefilmslipidlaget og efterfølgende destabilisering af tårefilmen. Undersøgelser har vist, at MGD er en af ​​de mest almindelige årsager til tørre øjne ved fordampning.

Det anbefales, at diagnosen MGD stilles ved at vurdere øjensymptomer, lågmorfologi, mebomisk kirtelmasse, kirteludtrykbarhed, lipidlagstykkelse og meibografi. I meibografi kan strukturen af ​​de meibomiske kirtler, herunder kanalerne og acini observeres. Fotografisk dokumentation af meibomkirtlen er også mulig under specialiserede belysningsteknikker.

Der er to typer meibografi i øjeblikket i brug - kontakt meibografi og ikke-kontakt meibografi. Ikke-kontakt meibografi er fordelagtig frem for kontakt meibografi, da det er mere behageligt for patienter. I ikke-kontakt meibografi er spaltelampemikroskopet udstyret med et IR charge-coupled (CCD) videokamera og et IR transmitterende filter. Under proceduren projiceres IR-lys på motivets omvendte øjenlåg, og billedet af øjenlåget optages af et kamera.

I øjeblikket analyserer dygtige klinikere billeder opnået via ikke-kontakt meibografi manuelt for at bestemme sundheden for patientens øjenlåg. Gennem et samarbejdsprojekt mellem forskere fra bioinformatikinstituttet, A*STAR, Singapore (Dr. Lee Hwee Kuan) og SERI, er der tidligere udviklet semi-automatiske algoritmer til klassificering af meibografer i sunde og usunde. Den kommercielle partner for dette projekt, Mediworks, Kina, har indarbejdet disse algoritmer i Mediview 2.0-softwaren. Denne software består af moduler til at indhente meibografibilleder samt til at analysere disse billeder. Forudsat at en bruger tegner omridset af tarsalpladen på det optagne billede, er softwaren i stand til at klassificere billeder i to kategorier - Sund og Usund uden hjælp fra en dygtig kliniker. En uddannet tekniker kunne blive undervist i, hvordan man tager billederne og dermed give lægen mere tid til at fokusere på klinisk vurdering og behandling.

Nøjagtigheden og reproducerbarheden af ​​denne software bør dog valideres mod en klinisk bedømmer ligesom i de originale algoritmer. Vi foreslår at rekruttere 50 raske frivillige og 50 patienter fra SNEC-klinikker og fra offentligheden.

Klinisk betydning Hvis denne billeddannelsesmodalitet viser sig at kunne gentages, kan den inkorporeres i den nuværende protokol/arbejdsgang til vurdering og monitorering af Meibomian Gland Dysfunktion og behandlingsfremskridt i vores center. Billederne taget i dette projekt kan også bruges til at validere yderligere opdateringer af Mediworks software, da hardwaren vil forblive uændret i fremtiden.

Undersøgelsens mål og formål Det primære formål er at validere Mediview 2.0-software som et objektivt værktøj til at vurdere meibomiske kirtlers sundhed.

De specifikke mål omfatter vurdering af a., nøjagtigheden af ​​Mediview 2.0 i klassificering af meibografbilleder (i sunde og usunde kategorier) og b., reproducerbarhed af klassifikationerne.

Studere design:

Prospektiv undersøgelse

Begrundelse:

Mediview 2.0 er en nyudviklet software og er endnu blevet valideret som et værktøj til vurdering af meibomiske kirtlers sundhed.

Metoder:

Deltagere og målprøvestørrelse 50 raske frivillige og 50 patienter i alderen 21 til 99 år vil blive rekrutteret til denne undersøgelse. De er ambulante patienter og ledsagende pårørende fra Singapore National Eye Centre. Der ville blive søgt tilladelse fra de behandlende læger, før forsøgspersoner rekrutteres. Der vil blive indhentet informeret skriftligt samtykke fra alle deltagere.

Besøgsplaner Et besøg er påkrævet for deltagere. Generelt vil de ikke skulle komme på yderligere besøg, hvis de af andre årsager rekrutteres, mens de er på en planlagt klinisk aftale. I særlige tilfælde, hvis meibografien ikke kan udføres samme dag, vil deltagerne få mulighed for at komme på en anden passende dag til denne undersøgelse.

Studiets varighed:

12 måneder.

Procedurer:

1. Billeddannelse af Meibomian Gland Under billeddannelsen af ​​hvert øje skal deltagerne placere deres hager på en hagestøtte på spaltelampemikroskopet. Deltagerens øvre øjenlåg vil igen blive vendt, og et billede af meibomiske kirtler på øjenlåget vil blive fanget. Dette udføres også for de nedre øjenlåg. Dette er en ikke-invasiv teknik, og kameraet og IR-lampen vil ikke røre patienten. Under hver vending af øjenlåget vil optometrist tage 3 billeder ad gangen. Derefter vil Mediview 2.0-softwaren fortsætte med at analysere billedet til sunde og usunde kirtler.

   Gennem alle målinger vil alle meibografens parametre (såsom lysintensitet, forstørrelse af øjenlåg) blive holdt konstante.

2. Analyse af billede af Meibomian-kirtlen Billederne taget ovenfor vil blive eksporteret og vurderet af en anden optometrist, som ikke er klar over klassificeringen af ​​billedet af Mediview. Denne bedømmer vil klassificere billederne i sunde og usunde. Resultater mellem Mediview 2.0-softwaren og optikeren vil blive vurderet. Skulle der være uenighed om resultaterne, vil en 3. kliniker blive involveret i valideringen.

Statistisk analyse:

1. Sammenligning mellem softwareklassificering og menneskelig klassificering Cohens kappa-koefficient vil blive beregnet for at vurdere overensstemmelsen mellem disse to vurderinger. Til fortolkning af den beregnede statistik bruger vi anbefalinger fra Landis og Koch, som karakteriserede værdier < 0 som angiver ingen overensstemmelse og 0-0,20 som svag, 0,21-0,40 som rimelig, 0,41-0,60 som moderat, 0,61-0,80 som væsentlig, og 0,81-1 som næsten perfekt overensstemmelse.
2. Sammenligning mellem den første og den anden softwareklassifikation På samme måde vil vi bruge kappa-koefficienten til at evaluere overensstemmelserne mellem den første og anden klassifikation lavet af softwaren.

Forventede resultater:

Klassificeringen af ​​meibografbilleder fra Mediview 2.0 bør vise god overensstemmelse med vurderingen fra den dygtige kliniker. Tilsvarende skal klassifikationer af meibograferne taget samme dag for de samme øjne vise god overensstemmelse.

Potentielle problemer Der forventes ingen potentielle problemer for denne undersøgelse.