Anvendelse af kunstig intelligens til tidlig påvisning af øjenkomplikationer hos diabetikere (AI)

I en tid med kunstig inelegance (AI) anbefales et skift fra tertiær til sekundær og primær pleje, når man plejer en patient med diabetisk retinopati.

På grund af lav drift kunne AI bruges til tidlig påvisning og screening af diabetisk retinopati ved anvendelse af tjenesten på tværs af en massebefolkning og ressourcebegrænsede områder med mangel på øjenplejetjenester.

AI-baseret øjenpleje i form af screening for diabetisk retinopati vil gøre screeningsprocessen mere effektiv og billig og kunne uddelegeres til teknikere, praktiserende læger og/eller endda hjemmebaseret selvscreening.

I erkendelse af den høje forekomst af type 2-diabetes mellitus (T2DM) blandt voksne, er brugen af ​​et ikke-mydriatisk funduskamera med AI effektiv i øjenundersøgelser, da det forbedrer voksnes overholdelse af øjenscreening.

Det primære formål med forsøget vil være at vurdere effektiviteten af ​​anvendelsen af ​​AI-enheder i form af fundus-kameraer til tidlig påvisning af diabetisk retinopati og makulaødem blandt diabetespatienter, der går på primære plejecentre.

Forskningsspørgsmål:

I hvor høj grad er anvendelsen af ​​kunstig intelligens-baseret øjenpleje på primærplejecentret effektiv til at opnå en høj detektionsrate for makulaødem? I hvor høj grad er anvendelsen af ​​kunstig intelligens-baseret øjenpleje på primærklinikken effektiv til at opnå en høj detektionsrate for retinopati?

Generelt mål:

At vurdere effektiviteten af ​​at anvende AI-baseret øjenpleje på primære plejecentre til at opnå en høj detektionsrate af makulaødem og retinopati blandt diabetikere.

Specifikke mål:

Formål 1: At sammenligne andelen af ​​påviste tilfælde af makulært ødem i interventionen versus kontrolgruppen (rutinemæssig øjenpleje), der går på det primære center.

Mål 2: At sammenligne andelen af ​​påviste tilfælde af retinopati i interventionen versus kontrolgruppen (rutinemæssig øjenpleje), der går i primærplejecentret

Litteraturanmeldelse:

Selvom der var blevet foreslået nyere modeller til implementering af digitale sundhedsløsninger som strømfiskeri, indstrømningstragt, pyramide og shuffling-kort, der repræsenterer muligheder for kliniske tjenester med gradvist stigende kapacitet og vilje til at operationalisere digital sundhed.

Imidlertid står forskellige udfordringer over for implementeringen af ​​kunstig intelligens, telehealth og tingenes internet (IoT) på verdensplan. Barriererne for at indføre disse digitale sundhedsløsninger er mange og kan udledes af infrastruktur, kvaliteten af ​​enheden, fælles vilje og juridiske aspekter.

Beviser afslørede, at brug af Macustat retina-funktionsscanning AI til fjernovervågning af en patient med aldersrelateret makulaødem eller diabetisk retinopati har stor indflydelse på patientens helbred.

Forskningsdesign og metoder:

Dette er et seks måneders klynget randomiseret forsøg, der vil rekruttere patienter med type II-diabetes, som går på primære øjenklinikker på primære sundhedscentre i Hail city.

Deltagere (P):

Deltagerne vil være type II-diabetespatienter af begge køn, der går på de udvalgte primære plejecentre, uanset deres sygdomsvarighed og den type medicin, der aktuelt modtages. Deltagerne forventes at være voksne i alderen 18 år og derover. Børn og unge voksne med juvenil diabetes mellitus vil blive udelukket. Derudover vil alvorligt syge patienter og patienter med psykiske lidelser blive udelukket. Deltagerne vil blive vurderet ved starten for at indsamle baseline-data om diabetisk retinopati og makulaødem ved hjælp af AI-enheder til at rapportere opdagede tilfælde. Ved afslutningen af ​​retssagen vil der blive indhentet en lignende rapport om opdagede tilfælde tre og seks måneder efter retssagens begyndelse.