Mediview 2.0 -ohjelmiston diagnostisen tarkkuuden vahvistaminen Meibomian Glands -kuvan analysointityökaluna

Meibomian rauhasten toimintahäiriö (MGD) on krooninen meibomin rauhasten poikkeavuus, jolle on yleisesti tunnusomaista terminaalinen meibomitiehyen tukos ja/tai kvalitatiiviset tai kvantitatiiviset muutokset rauhaserityksessä. Tämä voi johtaa kyynelkalvon lipidikerroksen koostumuksen ja toiminnan muuttumiseen ja sen jälkeen kyynelkalvon epävakauteen. Tutkimukset ovat osoittaneet, että MGD on yksi yleisimmistä haihtuvan kuivan silmän syistä.

On suositeltavaa, että MGD-diagnoosi tehdään arvioimalla silmäoireet, silmäluomien morfologia, mebomian rauhasten massa, rauhasten ilmentyvyys, lipidikerroksen paksuus ja meibografia. Meibografiassa voidaan havaita meibomien rauhasten rakenne, mukaan lukien tiehyet ja acini. Meibomian rauhasen valokuvausdokumentointi on myös mahdollista erityisillä valaistustekniikoilla.

Tällä hetkellä käytössä on kahta tyyppiä meibografiaa: kontaktimeibografia ja kontaktiton meibografia. Kosketukseton meibografia on kontaktimeibografiaa parempi, koska se on potilaille mukavampaa. Kosketuksettomassa meibografiassa rakolamppumikroskooppi on varustettu IR charge-coupled (CCD) -laitteen videokameralla ja IR-lähetyssuodattimella. Toimenpiteen aikana IR-valo projisoidaan kohteen ylösalaisin olevalle silmäluomelle ja kamera ottaa kuvan silmäluomen puolelta.

Tällä hetkellä ammattitaitoiset lääkärit analysoivat kosketuksettomalla meibografialla saatuja kuvia manuaalisesti potilaan silmäluomen terveyden määrittämiseksi. Bioinformatiikkainstituutin A*STAR, Singaporen (Dr Lee Hwee Kuan) ja SERI:n tutkijoiden yhteistyöprojektissa on aiemmin kehitetty puoliautomaattisia algoritmeja meibografien luokittelemiseksi terveisiin ja epäterveisiin. Tämän projektin kaupallinen kumppani Mediworks, Kiina, on sisällyttänyt nämä algoritmit Mediview 2.0 -ohjelmistoon. Tämä ohjelmisto koostuu moduuleista meibografisten kuvien hankkimiseen sekä näiden kuvien analysointiin. Edellyttäen, että käyttäjä piirtää otettuun kuvaan tarsaalilevyn ääriviivat, ohjelmisto pystyy luokittelemaan kuvat kahteen luokkaan – Terveet ja Epäterveet ilman ammattitaitoisen kliinikon apua. Koulutettu teknikko voitaisiin opettaa ottamaan kuvia ja jättämään lääkärille enemmän aikaa keskittyä kliiniseen arviointiin ja hoitoon.

Tämän ohjelmiston tarkkuus ja toistettavuus tulee kuitenkin validoida kliinistä arvioijaa vastaan ​​aivan kuten alkuperäisissä algoritmeissa. Ehdotamme, että rekrytoidaan 50 tervettä vapaaehtoista ja 50 potilasta SNEC-klinikoilta ja yleisöltä.

Kliininen merkitys Jos tämän kuvantamismenetelmän osoitetaan olevan toistettavissa, se voidaan sisällyttää nykyiseen protokollaan/työnkulkuun Meibomin rauhasten toimintahäiriön ja hoidon edistymisen arvioimiseksi ja seuraamiseksi keskuksessamme. Tässä projektissa otettuja kuvia voidaan käyttää myös Mediworks-ohjelmiston lisäpäivitysten validointiin, koska laitteisto säilyy jatkossa ennallaan.

Tutkimuksen tavoitteet ja tarkoitus Ensisijaisena tarkoituksena on validoida Mediview 2.0 -ohjelmisto objektiiviseksi työkaluksi meibomien rauhasten terveyden arvioinnissa.

Erityistavoitteisiin kuuluu arvioida a., Mediview 2.0:n tarkkuutta meibografikuvien luokittelussa (terve ja epäterveellinen luokkiin) ja b., luokittelujen toistettavuutta.

Opintojen suunnittelu:

Kartoittava tutkimus

Perustelut:

Mediview 2.0 on hiljattain kehitetty ohjelmisto, ja se on vielä validoitu työkaluksi meibomin rauhasten terveyden arvioinnissa.

Menetelmät:

Tähän tutkimukseen rekrytoidaan osallistujia ja kohdeotoskoko 50 tervettä vapaaehtoista ja 50 potilasta iältään 21–99 vuotta. He ovat Singaporen kansallisen silmäkeskuksen avopotilaita ja mukana tulevia sukulaisia. Lupa pyydettäisiin hoitavilta lääkäreiltä ennen koehenkilöiden rekrytointia. Kaikilta osallistujilta hankitaan tietoinen kirjallinen suostumus.

Vierailuaikataulut Osallistujilta vaaditaan yksi käynti. Heidän ei yleensä tarvitse tulla lisäkäynneille, jos heidät on värvätty sovitun kliinisen vastaanoton aikana muista syistä. Poikkeustapauksissa, jos meibografiaa ei voida suorittaa samana päivänä, osallistujille annettaisiin mahdollisuus tulla jonain muuna tähän tutkimukseen sopivana päivänä.

Opintojen kesto:

12 kuukautta.

Toimenpiteet:

1. Meibomian rauhasen kuvantaminen Kunkin silmän kuvantamisen aikana osallistujien on asetettava leukansa leukatuelle rakolamppumikroskoopissa. Osallistujan yläluomet vuorostaan ​​käännetään ja kuva silmäluomen meibomian rauhasista otetaan talteen. Tämä tehdään myös alemmille silmäluomille. Tämä on ei-invasiivinen tekniikka, ja kamera ja infrapunalamppu eivät kosketa potilasta. Jokaisen silmäluomen version aikana optikko ottaa 3 kuvaa kerralla. Sen jälkeen Mediview 2.0 -ohjelmisto jatkaa kuvan analysointia terveisiin ja epäterveisiin rauhasiin.

   Kaikkien mittausten aikana kaikki meibografin parametrit (kuten valon intensiteetti, silmäluomen suurennus) pidetään vakiona.

2. Meibomian rauhasen kuvan analyysi Yllä otetut kuvat vie ja arvioi toinen optikko, joka ei ole tietoinen Mediviewin kuvan luokittelusta. Tämä arvioija luokittelee kuvat terveisiin ja epäterveellisiin. Mediview 2.0 -ohjelmiston ja optikon väliset tulokset arvioidaan. Jos tuloksista on erimielisyyksiä, kolmas kliinikko otetaan mukaan validointiin.

Tilastollinen analyysi:

1. Ohjelmistoluokituksen ja ihmisen luokituksen vertailu Cohenin kappa-kerroin lasketaan arvioimaan näiden kahden luokituksen välistä sopivuutta. Lasketun tilaston tulkinnassa käytämme Landisin ja Kochin suosituksia, jotka luonnehtivat arvot < 0 osoittivat, ettei yksimielisyyttä ja 0-0,20 vähäisiä, 0,21-0,40 kohtuullisina, 0,41-0,60 kohtuullisina, 0,61-0,80 merkittävinä ja 0,81-1 lähes täydellinen sopimus.
2. Ensimmäisen ja toisen ohjelmistoluokituksen vertailu Samoin käytämme kappa-kerrointa arvioimaan ohjelmiston tekemän ensimmäisen ja toisen luokituksen välisiä sopimuksia.

Odotetut lopputulokset:

Mediview 2.0:n meibografikuvien luokituksen pitäisi olla hyvin sopusoinnussa ammattitaitoisen kliinikon arvioinnin kanssa. Samoin samana päivänä samoilla silmillä otettujen meibografien luokittelun pitäisi olla hyvä yhdenmukaisuus.

Mahdolliset ongelmat Tässä tutkimuksessa ei ole odotettavissa mahdollisia ongelmia.