プライマリケアにおける糖尿病患者の網膜疾患と緑内障の検出のための AI

研究デザイン このプロジェクトは、2 つの付随研究からなる方法論に従います。最初の研究では、糖尿病患者の DR の兆候を検出する AI アルゴリズムを開発します。

プロジェクトの 2 番目の部分は、アルゴリズムの診断能力をかかりつけの医師や網膜専門医の診断能力と比較できるようにする前向き研究の精緻化で構成されます。 参照は、網膜の専門家によって行われる盲検化された二重の読み取りになります (前の 2 つの読み取りで不一致があった場合は、盲検化された 3 回目の読み取りが行われます)。 このようにして、AI アルゴリズムと家庭医の専門家の両方によって得られた結果が、ゴールド スタンダード (精度、感度、特異性、曲線下面積など) を使用して比較されます。 眼底測定のトレーニングを受けた看護師を含めることは、診断能力を比較するために考慮されます。

研究人口、サイトへの参加、および募集 アルゴリズムの開発のための画像は、CHS によって譲渡され、カタロニア語の人口全体からの画像が含まれます。 前向き研究は、バジェス、オソナ、ベルゲダ、アノイアの郡を含むカタロニア中部のカタロニア健康研究所が管理するプライマリケアセンターで行われます。 参照母集団は、これらのプライマリ ケア センターに割り当てられた母集団になります。 この人口には、2017 年には約 512,000 人が含まれており、糖尿病の推定有病率は 7.1% でした。

研究期間には、AI を使用したアルゴリズムの開発のための 2010 年から 2017 年が含まれます。 前向き研究は、アルゴリズムが開発されると開始され、必要な読み取り数が得られるまで (約 3 ～ 4 か月) 実行されます。

研究の実施 AI アルゴリズムの開発のために、2010 年から 2017 年の間にカタロニアのプライマリ ケア センターから患者の DR としてラベル付けされたすべての眼底画像が含まれます。 前向き研究では、眼底検査を受けた患者のすべての画像が、研究開始期間から適切な患者数に達するまで含まれます。 眼底画像の高い割合は、十分な品質を備えている必要があります。つまり、視神経の少なくとも 4 分の 3 の部分、よく焦点を合わせた黄斑、上下の弓の明確な静脈と動脈を見ることができる中心網膜の 40 度の視野です。 適切な技術的品質を持たない (暗い) 眼底画像、またはメディアの不透明性のために評価できない眼底画像 (白内障など) は除外されます。

データ収集 AI アルゴリズムの開発には、各画像を分類する対応するラベルが付いた匿名化された画像が必要です (アルゴリズムをトレーニングするクラスの 1 つに)。 CHS の情報技術 (IT) を担当する担当者は、CHS のコンピューター システムからの画像の匿名化と抽出、および一意の識別子による各画像の識別のための最善の戦略を評価します。 一方、表形式のファイル タイプ CSV または TXT は、各画像識別子を対応する分類に関連付ける必要があります。 CHS の IT 担当者は、OPTretina のテクニカル マネージャーと共に、CHS サーバーから OPTretina サーバー (SSH ファイル転送プロトコル、SSH ファイル転送プロトコル、外部ハード ディスク) は、転送するデータの量と CHS の内部ポリシーに応じて異なります。 OPTretina は、自動眼底画像分類用の AI モデルの開発経験があり、スペイン医薬品健康製品庁認定の医療機器メーカーです。

前向き研究では、中央カタルーニャの眼底画像の家庭医医師リーダーによって収集された匿名化された毎週の眼底データ読み取り値が収集されます。 画像はOPTretinaサーバーに転送され、最初に診断アルゴリズムによって分析され、次に最終的な診断を行う網膜専門医によって分析されます。 CHS の IT 担当者は、OPTretina の技術マネージャーと共に、これらのデータを安全な方法で転送する最善の方法について合意します。