Implementering af et integreret system af kunstig intelligens og henvisningssporing til realtidsscreening af diabetisk retinopati

Diabetisk retinopati er den mest almindelige okulære komplikation hos personer med diabetes. Det er en førende årsag til synstab og blindhed hos mennesker i alderen 20-64 år rundt om i verden, fordi der i de tidlige stadier af sygdommen ikke er nogen advarsel, hvilket får patienterne til at være uvidende. Hvis blodsukkerindholdet får lov at stige, kan der opstå alvorlig diabetisk retinopati, der kan føre til blindhed.

Forekomsten af ​​diabetisk retinopati hos diabetespatienter har en tendens til at stige med varigheden af ​​diabetes. Og ifølge patientens alder blev det konstateret, at inden for 20 år er patienter med diabetes type 1 med diabetisk retinopati omkring 99% og diabetes type 2 med diabetisk retinopati er omkring 60%.

Screening for diabetisk retinopati er accepteret og udført i sundhedssystemer over hele verden. Beviser viser, at screening kan reducere blindhed(1-3). Thailand bruger procentdelen af ​​diabetespatienter, der er blevet øjentestet. Det er en af ​​indikatorerne for servicekvalitet i Øjensundhedsdistriktet i ministeriet for folkesundhed. Screening for diabetisk retinopati ved brug af retinal billeddannelsesmetode er omkostningseffektiv. Det giver diabetespatienter fjerntliggende steder adgang til screening, såsom at medbringe et mobilt nethindekamera til at tage billeder i samfundet i forbindelse med brugen af ​​teleoftalmologisk teknologi til screening(4-6). Men ifølge en rapport fra Ministeriet for Folkesundhed i HDC-systemet i 2015-2017 viste det sig, at kun 40 % af de patienter, der blev screenet for diabetisk retinopati, ikke havde nået målet på 60 %.

I 2016 vurderede Rajavithi Hospital i samarbejde med forskere i Google Health brugen af ​​kunstig intelligens til at læse nethindebilleder af diabetespatienter i alle 13 sundhedsdistrikter i Thailand. Den fandt, at det kunstige intelligens-system var i stand til at identificere patienter til henvisning til øjenlæger (moderat non-proliferativ diabetisk retinopati [NPDR]) med 95 % sensitivitet og 96 % specificitet, hvilket er 73 % højere end screeningspersonalets specificitet 98 %.

Derefter blev der udført et prospektivt studie med indførelse af kunstig intelligens-system for at screene rigtige patienter i projektet med titlen "Thailand-Google Prospective, Real-World Deployment of Artificial Intelligence for Diabetic Retinopathy Screening" (THAIGER) (NCT TCTR 20190902002) 2018 til 2020 for at vurdere gennemførligheden, herunder forhindringer for implementering af en efterretningsbaseret screeningsproces. Projektet integrerede AI i landets landsdækkende screeningssystem. Ved at udføre forskning i de primære sundhedsfaciliteter, Rajavithi Hospital og 9 lokale hospitaler i Pathum Thani-provinsen og Chiang Mai, modtog diabetiske patienter i THAIGER-projektet resultaterne af at læse billeder ved hjælp af kunstig intelligens i realtid. Det viste sig dog, at af de patienter, der blev henvist, var det meget få, der rent faktisk gik til læge. Der er også billeder, der var ulæselige (ugradable) af den kunstige intelligens. Og den kunstige intelligens, der bruges i THAIGER, er endnu ikke fuldt integreret i screeningssystemet, herunder med et patientsporingssystem.

Denne forskningsundersøgelse har til formål at bringe et kunstig intelligenssystem til at screene for diabetisk retinopati (DR) sammen med henvisningssporingssystemer til screeningsenheden på Uthai Hospital i Phra Nakhon Sri Ayutthaya for at vurdere effektiviteten af ​​screening og opfølgning af patienter henvist til Phra Nakhon Sri Ayutthaya Hospital. Det vil blive sammenlignet med det eksisterende screeningssystem og følges op med løbende henvisning fra personalet.