Ayuda de diagnóstico de inteligencia artificial (AID)

Gulliksen (2017) describe la digitalización como el mayor proceso de transformación social, incluso para el sector de la salud. Desde los desafíos de la pandemia, la digitalización ha tenido lugar particularmente durante los cambios en la forma en que se brinda la atención médica. La situación actual del cuidado de la salud global dicta pasos flexibles e innovadores para adaptar de manera práctica los métodos de trabajo en la clínica para satisfacer las demandas de especialidades, como la oftalmología, de manera segura y eficiente. La enfermedad macular causa una pérdida de visión devastadora. Es la causa más común de pérdida de visión prevenible en el Reino Unido y el mundo desarrollado, lo que lleva a una pérdida de visión y ceguera innecesarias y debilitantes si no se controla y trata con regularidad. En el Reino Unido, 1,8 millones de personas tienen enfermedad macular crónica, de las cuales aproximadamente 300 000 residen en Londres. Los profesionales de la salud aliados están capacitados para aplicar las inyecciones, pero por el momento no existe una estructura formal para que los AHP estén capacitados para evaluar los datos de los pacientes (visión y exploración OCT).

Por lo tanto, sugerimos que es un área importante de investigación, desarrollar una ayuda de gestión para permitir la estandarización de la atención y permitir que se atienda a más pacientes al aumentar la fuerza laboral clínica. Este nuevo software de IA permite la movilización de la fuerza laboral no médica más amplia de más de 14 000 optometristas, así como enfermeras, profesionales y técnicos de la salud aliados que pueden mejorar sus habilidades con herramientas y capacitación de IA, y operar desde entornos comunitarios para ampliar los recursos y la capacidad. y la calidad de la atención. Si bien el algoritmo no tiene como objetivo mejorar el conocimiento de las enfermedades, habrá un elemento de aprendizaje del buen manejo por parte del usuario final. Actualmente hay muchos ejemplos de software automatizado en la literatura, sin embargo, todos terminan en la etapa de validación. Todos abordan el uso de IA para diagnosticar condiciones, pero ninguno ha abordado el tema de la implementación, como se destaca en muchos de los documentos. Tampoco existen senderos dirigidos al manejo de estos pacientes, posterior al diagnóstico.

Este estudio comparará la atención clínica estándar de oro de los pacientes que reciben tratamiento para las tres enfermedades maculares principales (decisiones de tratamiento tomadas por un oftalmólogo) con una evaluación y recomendación de tratamiento realizada por el software MacuSense. El tratamiento de los pacientes seguirá en todo momento la decisión del oftalmólogo, y el resultado del estudio lo comparará con el de MacuSense. El oftalmólogo no verá la salida de MacuSense durante todo el estudio.

El participante de la investigación asistirá a su cita en la clínica, con medidas de visión y una exploración de retina (OCT) como de costumbre. El oftalmólogo revisará al paciente y realizará una exploración con un intervalo de tratamiento y seguimiento decidido. El tratamiento se dará en esa visita.

El investigador principal (Dr. Zakri) ingresará los datos recopilados en el software MacuSense. La salida del software da un intervalo de seguimiento. Para cada paciente se comparará el resultado del intervalo de seguimiento decidido por el clínico y el intervalo de seguimiento indicado por el software Macusense. El oftalmólogo no tendrá acceso al software Macusense ni a la salida del software, por lo que su decisión de tratamiento no se verá afectada. La salida del software Macusense no se utilizará para cambiar la decisión clínica.

Por lo tanto, el resultado del estudio es comparar el tratamiento clínico y la decisión de seguimiento con el resultado de Macusense, solo con fines de investigación. El objetivo es probar la precisión del algoritmo Macusense frente a la atención estándar de oro. La hipótesis nula establece que no hay diferencia entre los resultados en la atención clínica estándar y el software macusoft.

Anticipamos a partir de trabajos anteriores que hay desviación de las pautas NICE en varias ocasiones. Por lo tanto, sugerimos una hipótesis alternativa que establece que los resultados mostrarán una diferencia entre la atención estándar y los resultados presentados por el software del algoritmo macusoft.

Horario de estudio

Se estima que el estudio tomará 9 meses, en términos generales de la siguiente manera:

• Meses 1-6: Configuración de la investigación, reclutamiento de pacientes, preparación de datos. Recopilar datos sobre decisiones tomadas con y sin MacuSense (el algoritmo no se modificará durante el estudio)
• Meses 7-9: Análisis estadístico y validación de evidencia observacional

Detalles del estudio:

Cómo funcionará el estudio

El estudio funcionará de la siguiente manera:

1. Paciente reclutado y consentido cuando asistía a la clínica para una cita de seguimiento regular.
2. El oftalmólogo consultor toma una decisión con respecto al intervalo de tratamiento intravítreo siguiendo la práctica actual.
3. Los datos históricos de diagnóstico del paciente serán analizados por el programa informático MacuSense. Estos datos con seudónimo podrán ser vistos por el Dr. Zakri y el equipo de diseño de macusoft.
4. La decisión original de los oftalmólogos consultores se comparará con el análisis realizado con MacuSense. No se hará ningún impacto en la atención clínica proporcionada.