Deep Learning System fejlesztése a neuro-oftalmológiai állapotok azonosítására színes szemfenéki fényképeken a sürgősségi osztályon (DEEP-VISION)

Az elmúlt években a mesterséges intelligenciát (AI) széles körben integrálták az orvostudományba, ami különösen hozzájárult a betegek jobb diagnózisához. A BONSAI Brain and Optic Nerve Study with AI tanulmány, amelyben csapatunk is részt vesz, sikeresen bizonyította, hogy az MI képes azonosítani a látóidegeket és/vagy agyat érintő egyes neuro-oftalmológiai vagy neurológiai patológiákat egy egyszerű szemfenéki kép alapján.

Bár ez ígéretes előrelépés, a jelenlegi klinikai gyakorlatban továbbra is korlátozott. Legnagyobb kihívásunk az, hogy a látóideg- és/vagy agyi patológiák szélesebb körét egyidejűleg azonosítani tudjuk egy elemzésben, ezzel is javítva a betegellátást, különösen a sürgősségi osztályokra utaltak esetében. Valójában pontos diagnózis hiányában a szövődmények visszafordíthatatlanok és életveszélyesek lehetnek.

A sürgősségi osztályon a legriasztóbb klinikai tünetek közé tartozik a pangásos papillóma, amely akut fejfájással kísérve intracranialis hypertonia, gyulladásos vagy ischaemiás patológia jelenlétére utalhat. Ez utóbbi a Horton-kór megnyilvánulása lehet. Csapatunk mesterséges intelligencia-algoritmust fejlesztett ki a retina és a látóideg rendellenességeinek diagnosztizálására a tervezett konzultációk során ideális körülmények között készült retinofotók alapján, nem pedig a sürgősségi osztályon jelentkező betegek képei alapján. A szemészeti sürgősségi osztályokkal nem rendelkező kórházakban elengedhetetlen, hogy a sürgősségi orvosok (sürgősségi orvosok, háziorvosok, neurológusok) szemészeti szakorvos távollétében is fel tudják mérni a szemfenéket. Ez az értékelés, bár az általános vizsgálat része, gyakran kihívást jelent a nem szemészek számára. Tanulmányunk célja mesterséges intelligencia algoritmusunk teljesítményének javítása annak érdekében, hogy különbséget tudjon tenni a különböző retina és látóideg patológiák között a sürgősségi osztályon. Ezért azt tervezzük, hogy létrehozunk egy adatbázist a szemfenéki képekről, és a jövőben bevonjuk a Fondation Adolphe de Rothschild Kórház szemészeti és neurológiai sürgősségi osztályain jelentkező betegeket is. A kifejlesztett algoritmus teljesítményét az érzékenység, a specifitás, a görbe alatti terület (AUC) és a pontosság standard kritériumai szerint értékelik.