Pilotundersøgelse: AI-algoritme for dermatologisk henvisningsoptimering (DAO_DERIVATION)

Hudrelaterede sygdomme er en hyppig grund til konsultation i primærplejen; nogle undersøgelser kvantificerer det til ca. 5 % af alle konsultationer, hovedsagelig af den erhvervsaktive befolkning. Dette repræsenterer et betydeligt forbrug af ressourcer og gør en effektiv tilgang til disse tilstande til et nøgletrin i optimering af ydeevnen af ​​primærpleje.

Mange undersøgelser viser uoverensstemmelser mellem udtalelser fra primære læger og hudlæger, med procentdel af enighed i deres diagnoser, der spænder fra 57 % til 65,52 % afhængigt af undersøgelsen. Generelt udviser primære læger ikke tilstrækkelig viden om hudsygdomme, deres diagnose og behandlinger.

Denne menneskelige begrænsning ved evaluering af hudsygdomme afspejles også i den indsats og tid, der kræves for at vurdere graden af ​​involvering af en patient eller stadiet af patologien. Så meget, at det ender med at blive en meget ugivende opgave og kan føre til dårlig overholdelse af protokollen og utilstrækkelige henvisninger.

Tidsforbrug er særligt bekymrende, da antallet af læger, især inden for dermatologi, ikke er tilstrækkeligt i forhold til den efterspørgsel, der er. Den generelle befolknings adgang til en dermatologisk specialist er kompliceret på grund af det lave antal (3 hudlæger pr. 100.000 indbyggere), hvilket gør det endnu vanskeligere i små befolkningscentre. På grund af dette bør screening for dermatologiske læsioner udføres af den primære læge, hvis diagnostiske kapacitet er endnu lavere og kan øge risikoen for fejldiagnosticering.

I denne henseende viser litteraturen en uoverensstemmelse på 55 % til 65 % mellem den primære læge og specialisten6, og undersøgelser bekræfter en række forventede træk: almindelige dermatologiske sygdomme er ofte ikke anerkendt eller fejldiagnosticeret af ikke-dermatologer på grund af de særlige profiler af almindelige diagnoser i denne aktivitet (lægemiddelinduceret udslæt, svampeinfektioner).

Og ud over disse iboende begrænsninger, i tilfælde, hvor forundersøgelsen udføres af patienten, tilføjes muligheden for bias. Det gælder især i de tilfælde, hvor patienten ved, at den behandling, han eller hun får, vil være bestemt af de oplysninger, han eller hun giver. Derudover mangler lægeteamet midlerne til at sikre, at de værdier, som patienten har rapporteret, er sande, hvilket udelukker ekstern verifikation.

Heldigvis har der i de senere år været en stigende efterspørgsel efter at udvikle Computer Aided Diagnosis (CAD) systemer og andre systemer, der letter påvisningen af ​​forskellige patologier gennem algoritmer. CAD-systemer er en tværfaglig teknologi, der kombinerer kunstig intelligens og digital billedbehandling. Billedbehandling baseret på komplekse mønstergenkendelsessystemer gør det muligt for lægen at fortolke informationen i det medicinske billede med meget mindre besvær. Fremskridt inden for billedgenkendelse og kunstig intelligens har ført til innovationer i diagnosticering af alle typer patologier. Det er blevet påvist, at det gennem kunstig intelligens (AI) algoritmer er muligt at klassificere fotografier af læsioner med et kompetenceniveau, der kan sammenlignes med en medicinsk eksperts.

Derfor er brugen af ​​kunstigt syn, når der indsamles information om patientens tilstand, et stort fremskridt, som ikke kun bringer pålidelighed til dokumentationsprocessen, men også giver større præcision ved måling af visuelle tegn på patologien, og som følgelig informerer kriterierne for henvisning. til specialisten.

Derfor sigter denne undersøgelse på klinisk at validere et nyt kunstig intelligensværktøj til aktivitetsgradering hos berørte patienter.

Denne innovation har potentialet til at lette medicinsk praksis i diagnosticering af hudkræft og forbedre livskvaliteten for patienter, der er ramt af denne patologi. Derudover giver denne teknologi et nyt måleværktøj, der åbner døren til et nyt forskningsfelt i effektiviteten af ​​behandlinger eller analysen af ​​selve patologien og dens undertyper.

Hypotesen, der styrer denne undersøgelse, er, at kunstig intelligens-algoritmer udviklet af AI LABS GROUP SL signifikant optimerer hensigtsmæssigheden af ​​dermatologiske henvisninger.

Hovedformålet med denne undersøgelse er at validere, at de kunstige intelligensalgoritmer udviklet af AI LABS GROUP SL optimerer henvisninger til dermatologi. Det vil sige at reducere antallet af milde eller godartede tilfælde, der henvises til hudlægen, da de kan håndteres fra den primære pleje.

Dette er en analytisk prospektiv observationsundersøgelse af en række kliniske tilfælde. Det er en longitudinel undersøgelse.

Denne undersøgelse estimerer en rekrutteringsperiode på 2 måneder. Speciallægerne vil have 1 måned til at mærke fotografierne. Efterforskerne vil have 1 måned til at lukke og redigere databasen, analysere dataene og udarbejde den endelige rapport om undersøgelsen.

Den samlede varighed af undersøgelsen er estimeret til 4 måneder.

"proof-of-concept" pilotundersøgelse, hvor stikprøvestørrelsen er blevet estimeret baseret på antallet af patienter med en diagnose af hudsygdomme, der kan ses i fire primære plejetjenester på Hospital Universitario de Cruces. I løbet af studiets rekrutteringsperiode vil alle patienter med diagnosen hudsygdomme, som opfylder udvælgelseskriterierne, blive inkluderet. Data indsamlet fra disse patienter i undersøgelsesperioden vil blive analyseret, og afhængigt af de opnåede resultater vil det blive vurderet, om det er nødvendigt at udvide stikprøvestørrelsen til at omfatte flere patienter.

Hovedvariablen har til formål at bestemme effektiviteten af ​​algoritmen til at optimere hensigtsmæssigheden af ​​dermatologiske henvisninger.

Til dette formål vil vi identificere upassende henvisninger. Vi definerer en uhensigtsmæssig henvisning som en, der ifølge kriterierne fra de specialister, der er konsulteret i undersøgelsen, ikke kræver opmærksomhed fra en hudlæge for at blive behandlet, som det kan være tilfældet med seborrheisk keratose. Til dette formål vil der blive taget et fotografi, og datoen for patientens besøg på klinikken og kriterierne for at gå videre til næste fase af plejeprocessen vil blive registreret. Det vil sige: Datoen for besøget hos primærlægen, og hvorvidt det har resulteret i en henvisning til en hudlæge, samt det anvendte henvisningskriterium vil blive registreret. Derudover vil et fotografi af det område, der er ramt af patologien, blive taget på dette trin. Senere vil hovedefterforskerne vurdere billederne og afgøre, om henvisningen var passende eller ej.