Tekoäly verkkokalvosairauksien ja glaukooman havaitsemiseen perusterveydenhuollossa diabetes mellitus -potilailla

Tutkimuksen suunnittelu Tässä projektissa noudatetaan kahdesta samanaikaisesta tutkimuksesta koostuvaa metodologiaa: Ensimmäisessä tutkimuksessa kehitämme tekoälyalgoritmin DR:n oireiden havaitsemiseksi diabeetikoilla.

Projektin toinen osa koostuu prospektiivisen tutkimuksen laatimisesta, jonka avulla voidaan verrata algoritmin diagnostista kapasiteettia perhelääkäreiden ja verkkokalvon erikoislääkärien kykyyn. Vertailu on verkkokalvon asiantuntijoiden suorittama kaksoislukema (sokkoutettu kolmas lukema, jos 2 edellisessä lukemassa on erimielisyyttä). Tällä tavalla sekä tekoälyalgoritmin että perhelääketieteen asiantuntijoiden saamia tuloksia verrataan kultastandardin avulla (tarkkuus, herkkyys, spesifisyys, käyrän alla oleva pinta-ala jne.). Silmänpohjan lukemiseen koulutuksen saaneiden sairaanhoitajien mukaan ottaminen otetaan huomioon heidän diagnostisten kykyjensä vertailussa.

CHS luovuttaa tutkimuspopulaatiota, sivuston osallistumista ja rekrytointia varten kuvatut kuvat algoritmin kehittämiseen, ja ne sisältävät kuvia koko Katalonian väestöstä. Prospektiivitutkimus tehdään Catalan Health Instituten hallinnoimissa perusterveydenhuollon keskuksissa Keski-Kataloniassa, johon kuuluvat Bagesin, Osonan, Berguedàn ja Anoian maakunnat. Viiteväestö on näihin perusterveydenhuoltokeskuksiin osoitettu väestö. Tähän väestöön kuului noin 512 000 ihmistä vuonna 2017, ja diabeteksen esiintyvyyden arvioitiin olevan 7,1 %.

Tutkimusjakso sisältää 2010-2017 algoritmin kehittämisen tekoälyn kanssa. Prospektiivinen tutkimus alkaa, kun algoritmi on kehitetty ja jatkuu, kunnes tarvittava määrä lukemia on saatu (noin 3-4 kuukautta).

Tutkimuksen suorittaminen Tekoälyalgoritmin kehittämiseen otetaan mukaan kaikki Katalonian perusterveydenhuoltokeskusten potilaiden silmänpohjakuvat, jotka on merkitty DR:ksi vuosina 2010–2017. Prospektiiviseen tutkimukseen otetaan mukaan kaikki silmänpohjatutkimuksen saaneiden potilaiden kuvat tutkimuksen aloitusjaksosta siihen asti, kunnes riittävä määrä potilaita on saavutettu. Suuren osuuden silmänpohjakuvista on oltava riittävän laadukkaita; eli 40 asteen näkemys keskusverkkokalvosta, jossa näkyy ainakin kolme neljäsosaa näköhermoa, hyvin fokusoitunut makula sekä ylemmän ja alemman kaaren tarkasti määritellyt suonet ja valtimot. Silmänpohjakuvat, joilla ei ole riittävää teknistä laatua (tumma) tai joita ei voida arvioida median läpikuultavuuden vuoksi (esim. kaihia varten), jätetään pois.

Tiedonkeruu Tekoälyalgoritmin kehittämiseksi tarvitaan anonymisoidut kuvat, joissa on vastaava etiketti, joka luokittelee kunkin kuvan (johonkin luokasta, jolla algoritmia on tarkoitus harjoitella). CHS:n tietotekniikasta (IT) vastaava henkilöstö arvioi parhaan strategian kuvien anonymisoimiseksi ja poimimiseksi CHS:n tietokonejärjestelmistä sekä jokaisen kuvan tunnistamisen yksilöllisellä tunnisteella. Toisaalta tarvitaan taulukkomuotoinen tiedostotyyppi CSV tai TXT, jotta jokainen kuvatunniste voidaan liittää vastaavaan luokitukseen. CHS:n IT:stä vastaava henkilö sopivat yhdessä OPTretinan teknisen johtajan kanssa parhaan tavan siirtää nämä kaksi tietolähdettä turvallisesti CHS-palvelimista OPTretina-palvelimille (SSH File Transfer Protocol, ulkoinen kiintolevy) riippuen siirrettävien tietojen määrästä ja CHS:n sisäisestä käytännöstä. OPTretina on kokenut tekoälymallien kehittämisessä automaattista silmänpohjakuvien luokittelua varten, ja se on Espanjan lääke- ja terveysalan viraston sertifioima lääkinnällisten laitteiden valmistaja.

Prospektiivista tutkimusta varten kerätään Keski-Kataloniassa olevien perhelääkäreiden silmänpohjakuvien lukijoiden keräämät anonymisoidut viikoittaiset silmänpohjatietolukemat. Kuvat siirretään OPTretina-palvelimille analysoitavaksi ensin diagnoosialgoritmilla ja sitten verkkokalvon asiantuntijoiden toimesta, jotka tekevät lopullisen diagnoosin. CHS:n IT-vastaava yhdessä OPTretinan teknisen johtajan kanssa sopivat parhaan tavan siirtää nämä tiedot turvallisesti.