Automatisierte Arthritis-Erkennung mithilfe künstlicher Intelligenz auf Smartphone-Fotos (AISynovitis)

In den letzten vier Jahren haben wir uns zum Ziel gesetzt, die Erkennung von Arthritis durch die Integration fortschrittlicher künstlicher Intelligenz zu revolutionieren. Dieses Projekt zielt darauf ab, Arthritis anhand von Smartphone-Fotos von Gelenkbereichen zu erkennen, um es skalierbar und in der Gemeinschaft verfügbar zu machen. Wir haben zunächst eine überzeugende Proof-of-Concept-Pipeline und Modelle mit 100 Patienten entwickelt. (veröffentlicht in Frontiers in Medicine, November 2023, wobei wir gezeigt haben, dass diese Technologie im Labor mit angemessener Genauigkeit funktioniert, nämlich dass der Technology Readiness Level derzeit bei 3-4 liegt). Wir folgten mit einem neueren Artikel (zur Veröffentlichung eingereicht, verfügbar auf dem Preprint-Server MedRxiv), der zwei verschiedene CNNs trainierte, einen Screening-CNN an unbeschnittenen Händen, der Patienten von Kontrollpersonen unterscheidet, gefolgt von gelenkspezifischen Erkennungen.

Das System umfasst eine unterstützende Infrastruktur, die eine effiziente Erkennung von Arthritis ermöglicht. Dazu gehört

1. Sammlung von Fotos auf standardisierte Weise mithilfe individuell gestalteter Boxen
2. Verwenden und Testen einer Browser-Pipeline
3. Die CNN-Modelle werden anhand des Datensatzes der dabei aufgenommenen Fotos trainiert und die Ergebnisse werden an Ärzte in der Gemeinde weitergegeben. Dies stellt sicher, dass ein Arzt auf dem Laufenden ist, der später aufgrund der Ergebnisse Maßnahmen für weitere Bestätigungstests oder die Behandlung ergreifen kann.
4. Verständnis des Wissens und der Einstellung von Patienten und Ärzten gegenüber KI in klinischen Entscheidungsalgorithmen

Hierbei handelt es sich um eine prospektive, nicht-interventionelle Studie. Bei diesem Projekt macht ein Forscher lediglich ein Smartphone-Foto einiger Gelenkbereiche, die in standardisierten Positionen gehalten werden. Für den Patienten besteht kein Risiko.