糖尿病性網膜症のコンピューターベースのスクリーニング

RiskAnalyzer の支援がある場合とない場合の、デジタル眼底写真を使用した DR のリスク層別化のための網膜スクリーニングの感度

デジタル眼底写真と RiskAnalyzer を使用した DR のリスク階層化のための網膜スクリーニングの感度と特異度

臨床試験の方法と研究デザイン: この研究には合計 10,000 人の被験者が募集されます。 これらの被験者は、地域医療成果拡大 (プロジェクト ECHO) とコミュニケア保健センターという 2 つの並行協力者を通じて登録されます。 各クリニックは年間約 50% の症例、または 1 週間あたり平均 50 症例を取得します。 対象者は、診療所、テキサス州サンアントニオのコミュニケア健康センター、およびニューメキシコ州のプロジェクトエコーから特定されます。 コミュニケアには、テキサス州サンアントニオ南東部にあるバリオ ファミリー ヘルス センターと、同じくサンアントニオにあるフランク ブライアント博士ヘルス センターの 2 つの関連施設があります。 コミュニケアは年間約 45,000 人の被験者にサービスを提供しており、そのうち 5,000 人が糖尿病の治療を必要としていると推定されています。 プロジェクト ECHO はニューメキシコ大学と協力し、ニューメキシコ州の 20 以上の田舎の診療所と協力して、ニューメキシコ州のサービスが行き届いていない地域にサービスを提供しています。 募集チラシと同意書を各拠点に配布します。 クリニックのスタッフは、予定された訪問中に研究の被験者を募集します。 被験者には研究に関する情報とインフォームドコンセント文書が記載されたチラシが渡されます。 研究への登録に興味のある被験者は、網膜イメージングのためにサイト内の写真家に紹介されます。 被験者は、この研究への参加に対して支払いや奨学金を受け取ることはありません。

この試験に参加する被験者にスクリーニング要件はありません。 被験者は医療専門家によって前糖尿病または糖尿病患者であると診断されなければなりません。 事前の治療または併用療法に関する情報の要求や要求はありません。 網膜スクリーニングが実施された後に被験者が研究を終了または中止するための基準はありません。 網膜スクリーニングが行われた後は、被験者は研究から除外されません。 被験者が網膜スクリーニングを完了すると、被験者の参加期間は終了します。 被験者から撮影された画像は、画質が不十分なため研究に使用できない場合があります。 不適切であることが判明した画像の数は追跡され、研究完了時に報告されます。 網膜スクリーニングは、この研究への被験者の参加の始まりと終わりの両方を示します。

各目について、少なくとも 2 つの後極画像が収集されます。 1 つの画像は中心窩の中心に配置され、2 つ目の画像は視神経乳頭の中心に配置されます。 3 番目の画像は前眼部 (目の前) から収集されます。 被験者は薬理学的に拡張されません。 撮像は、撮像室の暗闇への適応による自然な拡張に依存します。 撮像者 (写真家) が読み取りに不十分な品質の画像を識別した場合にのみ、片目につき 2 枚以上の画像が収集されます。 低品質の画像は通常、まばたきや瞳孔の小ささなどの生理学的理由によるものであり、この研究の一部としては使用されません。 網膜写真家は、イメージングプロトコルを完了するために、被験者の目の画像の取得を最大 3 回試みます。 研究コーディネーターは、研究プロトコールへの準拠を確認し文書化するために、画像検査手順の監査を毎週実施します。

この研究に使用されるクラス II 医療機器は、非散瞳カメラまたは同等の眼底カメラになります。 網膜カメラは、薬理学的拡張を使用せずに人間の目の網膜のデジタル画像を撮影するために使用することを目的としています。 眼底カメラには次の撮影モードがあります: RGB カラー。 デジタルカメラは、網膜イメージングを実行するために眼底カメラに取り付けられます。

画像アーカイブおよび通信システム (PACS) は、DICOM 画像、スケジュール情報、およびテキストレポートを受信し、それらを内部形式で整理して保存し、HIPAA および FDA が認可した安全なユーザー インターフェイスを介してネットワーク上でその情報を利用できるようにするために使用されます。 PACS は、キャプチャ コンポーネント、中央サーバー コンポーネント、および汎用コンピューティング ハードウェアで使用されるビューア コンポーネントで構成されます。 被験者情報、手順情報、画像取得データはキャプチャされてサーバーに送信されるか、DICOM 準拠のデバイスから直接受信されます。 画像オブジェクトと関連データを受信した後、サーバーは受信したデータと画像を、以前のケースとの関連性も含めてアーカイブに登録します。 ケースは、管理ユーザーによって制御される作業リストからの適切な権限を持つユーザーに表示されます。 画像データは、標準の Web ブラウザを使用してユーザーのワークステーションに送信され、レンダリングされます。 サーバーがレポートを登録すると、そのレポートは紹介元の医師またはクライアント サービスに電子的またはファックス経由で利用可能になります。

画像と被験者の人口統計が収集された直後、写真家は画像ワークステーションと PACS の間に確立された VPN 接続を介して、データをケースとして PACS にアップロードします。 イメージング時に VPN 接続を確立できない場合、アップロードは後で行われます。 クリニックの一日の終わり。 アップロードを確実にするために、データはイメージング ワークステーションに最大 5 日間保存されます。 臨床コーディネーターはアップロード完了の監査を毎週実施します。 PACS に入ると、リーダーは組み込みの読み取りテンプレートを使用して症例を読み取り、結果を含むレポートを生成します。 この研究は、研究対象者に対する標準治療を混乱させるものではありません。 各施設は独自の標準手順とケアに従います。 結果は、スクリーニングのために被験者を紹介したクリニックに報告されます。 クリニックは、必要な介入や治療を含むフォローアップケアを担当します。

RiskAnalyzer のパフォーマンス: RiskAnalyzer のパフォーマンスは、事前に指定された感度 (Seo) と特異度 (Spo) の最小許容値を適用して計算されます。 この研究の目的上、指定された帰無仮説の値は Seo=0.85 です。 そしてSpo=0.70。 これらの値は、眼科検査から得られたデータに基づいています。 網膜写真を使用する訓練された読者の有効性は、視力を脅かす網膜症に対する最も感度の高いスクリーニングおよびモニタリング検査を提供することが実証されており、感度は > 80% です。 アブラモフら。複数の人間の読者に基づくグラウンドトゥルースの誤りの可能性を考慮して、あらゆるシステムによって達成できる感度の限界について議論します。 彼は、0.85 が達成できる感度の限界であると示唆しています。 特異性は、この実装を商業的に実行可能にするために追求する効率に基づいています。 私たちは、統計検出力 0.90 と有意水準 0.99 を達成するように研究を設計しました。 信頼限界が漸近正規分布理論に基づいている場合、サンプルサイズは、Pepe によって与えられた漸近分散の式に基づいて設定できます。

目的 1: 目的 1 は、研究データ フロー ロジスティクスと情報転送インターフェイスを完全にテストすることです。 テストはすべて、1 つの採用、登録、画像処理サイトで行われます。 この目標を達成するまでの期間は 3 か月です。

目的 1 のための材料と研究デザイン: 被験者は 1 つの施設から募集されます。 すべての画像はグレーディングのために 2 台のリーダーに転送されます。 2 人のリーダーが画像に同等のグレードを割り当てた場合、生成されたレポートが診療所に渡され、紹介する医師に配布されます。 リーダーが同じ画像に異なるグレードを割り当てた場合、画像は解決のために審査員に送られます。 裁定者は、各読者によって生成されたレポートにアクセスできますが、RiskAnalyzer からのリスク レベルにはアクセスできません。 判定者からの報告書が作成され、対象者への報告書の配布とさらなるフォローアップを担当する診療所に報告されます。 画像も匿名化され、RiskAnalyzer に転送されます。 RiskAnalyzer は画像の分析を実行し、糖尿病性網膜症の「低リスク」または「高リスク」のリスク階層化を生成します。 RiskAnalyzer によって割り当てられたリスク レベルを含むレポートは、紹介する医師、診療所、または審査員には配布されず、試験のエンドポイントをサポートする統計分析にのみ使用されます。

目標 1 の成果: データ成果は、単一施設で被験者を募集して研究に登録し、網膜画像化を実行し、画像を PACS にアップロードし、同じ画像を 2 人の異なるリーダーによって採点し、必要に応じてルーティングおよび採点できる能力を実証します。裁定者によるものと、最終報告書を作成する機能。 読者が従う読書プロセスは、国際臨床糖尿病性網膜症疾患重症度スケールに基づいています。 さらに、データは、画像が処理のために RiskAnalyzer に正常にルーティングされたことを示します。

目的 2: 目的 2 は、ゴールドスタンダードと比較して、糖尿病性網膜症のリスクを特定する RiskAnalyzer の有効性を評価することです。 この目標を達成するまでの期間は 9 か月です。

目標 2 の方法と研究デザイン: 被験者は複数の CommuniCare および Project ECHO 施設から募集されます。 すべての画像は 2 人のリーダーによって採点され、1 人目と 2 人目のリーダーによる採点が一致しない場合は審査員が行います。 読者が従う読書プロセスは、国際臨床糖尿病性網膜症疾患重症度スケールに基づいています。 糖尿病性網膜症の存在と重症度を示す読者または判定者によって生成されたコンセンサスレポートは、紹介医師を通じて被験者に提供され、必要に応じて紹介医師によって専門医に紹介されます。 リーダーによって等級付けされた同じ画像も、処理のために RiskAnalyzer に送られ、糖尿病性網膜症の「低リスク」または「高リスク」のいずれかのリスク レベルが生成されます。 画像が RiskAnalyzer にルーティングされると、画像は RiskAnalyzer によって評価されるまで匿名化され、隔離されます。 RiskAnalyzer の使用によって取得されたリスクレベルは、いかなる状況においても対象者に提供されることはありません。 紹介医師は、RiskAnalyzer によって割り当てられたリスク レベルからもマスクされます。 紹介する医師は VisionQuest Biomedical と同じ場所にいないため、コンピューターやデータのデータ保管領域にアクセスすることはできません。

目標 2 の結果: 統計分析により、ゴールドスタンダードと比較した RiskAnalyzer の精度レベルが示されます。 統計分析では、感度、特異度、AUC、およびコーエンのカッパ係数を使用した一致レベルが使用されます。

目標 3: 目標 3 は、画像のグレーディングを実行する際にアルゴリズムからのリスクレベルが読者に提供されると、画像のグレーディングにおける読者の精度が向上することを実証するという試験の主要エンドポイントに取り組みます。 この目標を完了するまでの期間は 12 か月です。

目標 3 の方法と研究デザイン: RiskAnalyzer が最初のリーダーとして使用されます。 引き続き、2 人の人間の読者と 1 人の審査員が存在します。 Ground Truth は、読者 1 と読者 2 の合意、または審査員のいずれかによって確立されます。 すべての画像は RiskAnalyzer に送られ、糖尿病性網膜症の「低リスク」または「高リスク」のリスク レベルが生成されます。 ケースは 2 つのセットに分割され、両方のリーダーに転送されます。 1 つの画像セットはアルゴリズムにリスク レベルが割り当てられて両方のリーダーにルーティングされ、もう 1 つの画像セットはアルゴリズムにリスク レベルが割り当てられずに両方のリーダーにルーティングされます。 画像の各セットに対して、同数の「低リスク」ケースと「高リスク」ケースが選択されます。 Ground Truth は、2 人のリーダーが同じ画像に同じグレードを割り当てることによって確立されます。 2 人の異なるリーダーによって同じ画像に異なるグレードが割り当てられた場合、ケースはグレーディングとレポートのために審査員に送られます。 判決は真実となるだろう。 裁定される訴訟は、リスク段階の異なるカテゴリーに属する訴訟のみとなります。 判断は、以下のように読者間の不一致の臨床的重要性に基づいて行われます。重症度スケール 0 および 1 内の症例は「低リスク」症例として分類され、重症度スケール 2 以上の症例は「高リスク」症例として分類されます。 」の場合。 裁定が必要な症例は、リスクが異なる症例、およびスケール 2 と 3 (軽度および重度)、および 2 と 4 (軽度および増殖性糖尿病性網膜症 -PDR) が異なる高リスク カテゴリ内の症例です。

目標 3 の結果: 目標 3 の結果は、RiskAnalyzer が読み取り精度と読み取り者間の一貫性を向上させ、人間の読み取り者間のバイアスを減少させることを確立します。 一致レベルの統計分析は、コーエンのカッパ係数を使用してアルゴリズムによって割り当てられたリスク レベルがある場合とない場合に、リーダーによって画像に割り当てられたリスクに対して実行されます。

期待される結果: RiskAnalyzer からのリスク レベルと組み合わせた遠隔医療網膜スクリーニングにより、画像を評価する際の読み取り者の精度が向上します。 読者を支援する際に RiskAnalyzer によって割り当てられたリスク レベルを使用すると、読者が各ケースの格付けに費やす時間が短縮されます。 これは、網膜スクリーニングへのアクセスの増加をサポートし、網膜スクリーニングの推奨事項の順守をサポートし、病気の評価と治療における網膜専門医のより効率的な利用を促進し、よりコスト効率の高い治療法につながるモデルとなる可能性があります。