Præstationsevaluering af Artificial Intelligence Assisted Diabetic Retinopathy Gradering på Leuven Universitetshospital: Kan teknologi forbedre beboeren? (PEARL)

Diabetes mellitus er en af ​​vores tids største sundhedsudfordringer. Det anslås, at 642 millioner mennesker vil blive diagnosticeret med denne sygdom på verdensplan i 2040. Diabetes er en sygdom, der påvirker hele kroppen og kommer med mange mulige komplikationer på grund af dens virkning på mikrovaskulaturen. Den mest udbredte af disse komplikationer er diabetisk retinopati, som er forårsaget af både mikrovaskulær og neural skade.

Ifølge undersøgelser i USA foretaget af Eye Diseases Prevalence Research-gruppen har omkring 40% af patienterne en vis grad af retinopati. 8 % af patienterne har endda synstruende diabetisk retinopati.

Diabetisk retinopati er en af ​​hovedårsagerne til blindhed i vores nuværende samfund. Men årlig screening og rettidig henvisning til behandling kan forhindre dette i at ske. Den bedste illustration er det faktum, at siden implementeringen af ​​et landsdækkende screeningprogram, er diabetes mellitus ikke længere den førende årsag til blindhed i Storbritannien.

Derfor har mange lande organiseret en form for screeningsprogram. Der er dog store organisatoriske forskelle landene imellem. Dette kan variere fra en årlig dilateret fundoskopi af en øjenlæge (som det er tilfældet i Belgien) til ikke-mydriatiske fundusfotografier vurderet af en uddannet grader, der ikke er (para)mediciner.

Selv med den mest effektive screeningsvej som muligt, vil stigningen i patienttallet blive et problem, da den menneskelige faktor i screeningsforløbet (læge, optometrist, uddannet grader,...) ikke kan øge sin kapacitet med samme hastighed. Det nuværende system vil nå sine grænser på et eller andet tidspunkt. Endvidere ved man, at en betydelig del af diabetespatienterne ikke overholder den anbefalede årlige screening. Disse problemer vil resultere i længere ventelister, underdiagnosticering på grund af overanstrengte læger, lange ventelister og muligvis mangel på pleje af høj kvalitet.

Blot at erstatte øjenlægen med en uddannet grader vil sandsynligvis ikke løse alle disse problemer. Det vil blot udskyde dem og vil stadig forblive dyrt og arbejdskrævende. Situationen i lande, der allerede bruger uddannede gradere, bekræfter disse mistanker. Derudover er der også plads til forbedring af kvaliteten af ​​plejen og nøjagtigheden af ​​diagnose i disse opstillinger.

I de senere år er kunstig intelligens, mere specifikt deep learning, blevet postuleret som et middel til at løse disse problemer. Selv i de første undersøgelser har deep learning-algoritmer allerede vist sig at nå høj sensitivitet og specificitet til at påvise refererbar diabetisk retinopati. Yderligere udvikling af disse algoritmer og mere grundig forskning har bekræftet disse resultater. Brugen af ​​AI er blevet undersøgt inden for mange medicinske områder, dog er screening for diabetisk retinopati fortsat pioneren, hvilket bekræftes af den første FDA-godkendelse nogensinde for en AI-medicinsk applikation, som er screeningsystemet for diabetisk retinopati IDx.

Aktuel forskning fokuserer hovedsageligt på udførelsen af ​​en kunstig intelligensalgoritme som et autonomt diagnostisk værktøj uden interaktion med et menneske udover erhvervelsen af ​​billederne. Frygt eksisterer blandt læger for, at kunstig intelligens vil begynde at erstatte dem delvist i den nærmeste fremtid og gøre dem forældede på lang sigt. Imidlertid kunne disse nye teknologier også bruges til at hjælpe sundhedspersonalet med at stille diagnosen på en mere præcis måde i stedet for at erstatte dem.

Derfor ønsker vi i PEARL-projektet at evaluere brugen af ​​en kunstig intelligens-algoritme som en diagnostisk hjælp til at forbedre lægens diagnostiske nøjagtighed frem for at erstatte lægen, bestemt i en træningssammenhæng.