Diagnosi assistita da IA basata su modelli di grandi dimensioni ad alta produttività utilizzando OCT

Questo studio indaga le tecnologie chiave per la diagnosi assistita dall'intelligenza artificiale basata su modelli di grandi dimensioni e ad alta produttività utilizzando la tomografia a coerenza ottica (OCT) e l'angiografia OCT (OCTA). L'imaging OCT/OCTA è diventato uno strumento non invasivo essenziale per rilevare e monitorare le malattie della retina e del nervo ottico, ma l'interpretazione manuale rimane dispendiosa in termini di tempo, dipendente dall'esperienza e limitata dalla variabilità inter-osservatore. I recenti progressi nei grandi modelli di intelligenza artificiale offrono l'opportunità di sviluppare strumenti diagnostici scalabili e generalizzabili in grado di elaborare grandi set di dati multimodali e supportare il processo decisionale clinico.

Questo studio osservazionale arruolerà pazienti che si sottopongono a esami OCT e/o OCTA di routine presso il Peking Union Medical College Hospital e a cui viene diagnosticata una o più delle seguenti condizioni: retinopatia diabetica, occlusione diramazione della vena retinica, occlusione della vena retinica centrale, degenerazione maculare legata all'età, neovascolarizzazione coroideale miopica patologica o glaucoma con danno del nervo ottico. Lo studio includerà sia dati di imaging e clinici raccolti retrospettivamente che acquisiti prospetticamente, seguendo procedure standardizzate di controllo qualità e gestione dei dati.

Il framework diagnostico ad alta produttività sarà addestrato e validato utilizzando set di dati di imaging e clinici su larga scala. Gli esiti primari includono metriche di prestazione diagnostica come l'area sotto la curva ROC (AUC). Gli esiti secondari includono sensibilità, specificità e valutazione a livello di lesione o delle caratteristiche strutturali quando applicabile. Non verrà introdotta alcuna sperimentazione interventistica e tutte le valutazioni di imaging e cliniche seguiranno la cura clinica standard.

Lo studio mira a produrre un benchmark robusto e clinicamente rilevante per i sistemi di intelligenza artificiale basati su modelli di grandi dimensioni nell'interpretazione OCT/OCTA e a fornire supporto tecnico per l'integrazione futura degli strumenti diagnostici assistiti dall'intelligenza artificiale nella pratica oftalmologica di routine.