AI til påvisning af nethindesygdom og glaukom hos patienter med diabetes mellitus i primærpleje

Studiedesign Dette projekt vil følge en metodik bestående af 2 samtidige studier: I det første studie vil vi udvikle en AI-algoritme til at detektere tegn på DR hos patienter med diabetes.

Den anden del af projektet vil bestå af udarbejdelsen af ​​et prospektivt studie, der vil gøre det muligt at sammenligne algoritmens diagnostiske kapacitet med familielægers og med retinaspecialister. Referencen vil være en blindet dobbeltlæsning udført af nethindespecialisterne (med en blindet tredje læsning i tilfælde af uenighed i de foregående 2 aflæsninger). På denne måde vil de opnåede resultater, både af AI-algoritmen og af familiemedicinske specialister, blive sammenlignet ved hjælp af guldstandarden (nøjagtighed, følsomhed, specificitet, areal under kurven osv.). Inklusionen af ​​sygeplejersker, der har modtaget træning i fundusaflæsninger, vil blive overvejet for at sammenligne deres diagnostiske kapacitet.

Undersøgelsespopulation, webstedsdeltagelse og rekrutteringsbilleder til udvikling af algoritmen vil blive afstået af CHS og vil omfatte billeder fra hele den catalanske befolkning. Den prospektive undersøgelse vil finde sted i de primære plejecentre, der administreres af det catalanske sundhedsinstitut i det centrale Catalonien, som omfatter amterne Bages, Osona, Berguedà og Anoia. Referencepopulationen vil være den befolkning, der er tildelt disse primære plejecentre. Denne befolkning inkluderede omkring 512.000 mennesker i 2017 med en anslået forekomst af diabetes på 7,1 %.

Studieperioden vil omfatte 2010-2017 til udvikling af algoritmen med AI. Den prospektive undersøgelse vil begynde, når algoritmen er udviklet og vil køre, indtil det nødvendige antal aflæsninger er opnået (ca. 3-4 måneder).

Gennemførelse af undersøgelsen Til udviklingen af ​​AI-algoritmen vil alle fundusbilleder mærket som DR af patienter fra primære plejecentre i Catalonien mellem 2010 og 2017 blive inkluderet. For den prospektive undersøgelse vil alle billeder af patienter, der har gennemgået en øjenfundusundersøgelse, blive inkluderet fra studiets startperiode, indtil det tilstrækkelige antal patienter er nået. En høj procentdel af fundusbilleder skal have tilstrækkelig kvalitet; det vil sige et 40-graders syn af den centrale nethinde, hvor mindst en tre-fjerdedel af synsnerven, en velfokuseret macula og veldefinerede vener og arterier i den øvre og nedre bue kan ses. Øjenfundusbilleder, der ikke har tilstrækkelig teknisk kvalitet (mørke), eller som ikke kan evalueres på grund af mediets opacitet (f.eks. for grå stær), vil blive udelukket

Dataindsamling Til udviklingen af ​​AI-algoritmen er det nødvendigt at have de anonymiserede billeder med den tilsvarende etiket, der klassificerer hvert billede (i en af ​​de klasser, som algoritmen skal trænes med). Personalet med ansvar for informationsteknologi (IT) i CHS vil evaluere den bedste strategi for anonymisering og udtrækning af billederne fra CHS's computersystemer, samt identifikation af hvert billede med en unik identifikator. På den anden side kræves der en tabuleret filtype CSV eller TXT for at relatere hver billedidentifikator med den tilsvarende klassifikation. Den person, der er ansvarlig for CHS'ens IT, vil sammen med den tekniske leder af OPTretina blive enige om den bedste måde at overføre disse 2 informationskilder på, på en sikker måde, fra CHS-serverne til OPTretina-serverne (SSH File Transfer Protocol, ekstern harddisk) afhængigt af mængden af ​​data, der skal overføres, og CHS's interne politik. OPTretina har erfaring med at udvikle AI-modeller til automatisk fundus-billedklassificering og er en spansk agentur for medicin og sundhedsprodukter certificeret producent af medicinsk udstyr.

Til den prospektive undersøgelse vil anonymiserede ugentlige fundusdataaflæsninger indsamlet af familiemedicinske lægers læsere af fundusbilleder i det centrale Catalonien blive indsamlet. Billederne vil blive overført til OPTretina-serverne for først at blive analyseret af den diagnostiske algoritme og derefter af nethindespecialisterne, som vil stille den endelige diagnose. Den person, der er ansvarlig for IT i CHS, vil sammen med den tekniske leder af OPTretina blive enige om den bedste måde at overføre disse data på en sikker måde.