ルーベン大学病院における人工知能支援糖尿病性網膜症の評価の性能評価: 技術はレジデントを改善できるか? (PEARL)
調査の概要
詳細な説明
糖尿病は、私たちの時代の主要な健康問題の 1 つです。 2040 年までに、世界中で 6 億 4,200 万人がこの病気と診断されると推定されています。 糖尿病は全身に影響を与える疾患であり、微小血管系への影響により多くの合併症を引き起こす可能性があります。 これらの合併症の中で最も一般的なのは、微小血管と神経の両方の損傷によって引き起こされる糖尿病性網膜症です。
Eye Diseases Prevalence Research group による米国での調査によると、患者の約 40% にある程度の網膜症が見られます。 患者の 8% は、視力を脅かす糖尿病性網膜症を患っています。
糖尿病性網膜症は、現在の社会における失明の主な原因の 1 つです。 ただし、毎年のスクリーニングとタイムリーな治療の紹介により、これを防ぐことができます。 最良の実例は、全国的なスクリーニングプログラムの実施以来、真性糖尿病が英国における失明の主要な原因ではなくなったという事実です.
そのため、多くの国が何らかのスクリーニングプログラムを組織しています。 ただし、国によって組織の大きな違いがあります。 これは、眼科医による年 1 回の拡張眼底検査 (ベルギーの場合のように) から、(パラ) メディックではない訓練を受けたグレーダーによって評価される無散瞳眼底写真にまで及びます。
可能な限り最も効率的なスクリーニング経路を使用しても、スクリーニング経路の人的要因 (医師、検眼医、訓練を受けたグレーダーなど) は同じ速度でその能力を高めることができないため、患者数の増加が問題になります。 現在のシステムはいずれ限界に達します。 さらに、かなりの割合の糖尿病患者が、推奨される年次スクリーニングを順守していないことが知られています。 これらの問題は、待機リストの長期化、医師の過労による過小診断、長い待機リスト、そしておそらく質の高いケアの欠如につながります。
眼科医を訓練されたグレーダーに置き換えるだけでは、おそらくこれらの問題をすべて解決することはできません. それは単にそれらを先延ばしにするだけであり、依然としてコストと労働集約的なままです。 訓練を受けたグレーダーをすでに使用している国の状況は、これらの疑いを裏付けています。 さらに、これらの設定では、ケアの質と診断の精度にも改善の余地があります。
近年、これらの問題を解決する手段として、人工知能、より具体的にはディープラーニングが提唱されています。 最初の研究でさえ、深層学習アルゴリズムは、参照可能な糖尿病性網膜症の検出において高い感度と特異性に達することがすでに示されています。 これらのアルゴリズムのさらなる開発とより徹底的な研究により、これらの発見が確認されました。 AI の使用は多くの医療分野で研究されてきましたが、糖尿病網膜症スクリーニング システム IDx である AI 医療アプリケーションに対する初めての FDA 認可によって確認されるように、糖尿病性網膜症スクリーニングは依然としてパイオニアです。
現在の研究は主に、画像の取得以外に人間との対話を必要としない自律型診断ツールとしての人工知能アルゴリズムのパフォーマンスに焦点を当てています。 医療専門家の間では、近い将来、人工知能が部分的にそれらを置き換え始め、長期的には時代遅れになるのではないかという懸念が存在します。 ただし、これらの新しい技術は、医療専門家がそれらを置き換えるのではなく、より正確な方法で診断を行うのを支援するためにも使用できます.
したがって、PEARL プロジェクトでは、医師を置き換えるのではなく、医師の診断精度を向上させるための診断補助としての人工知能アルゴリズムの使用を評価したいと考えています。
研究の種類
入学 (予想される)
参加基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
受講資格のある性別
サンプリング方法
調査対象母集団
説明
包含基準:
- - 糖尿病の診断
- 年齢 > 18 歳
- -患者はインフォームドコンセントを与えることができます
- オランダ語の筆記および口頭での流暢さ、または通訳の存在
除外基準:
- -糖尿病性網膜症または糖尿病性黄斑浮腫の治療歴(レーザーまたは硝子体内注射)
- -参加者は、研究で使用される眼底イメージングシステムによるイメージングに禁忌です
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 観測モデル:コホート
- 時間の展望:見込みのある
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
AI はレジデントの診断能力を増強するか
時間枠:4ヶ月
|
感度と特異性
|
4ヶ月
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
身体診察は AI の診断性能を増強するか
時間枠:6ヵ月
|
感度と特異性
|
6ヵ月
|
協力者と研究者
出版物と役立つリンク
一般刊行物
- Kempen JH, O'Colmain BJ, Leske MC, Haffner SM, Klein R, Moss SE, Taylor HR, Hamman RF; Eye Diseases Prevalence Research Group. The prevalence of diabetic retinopathy among adults in the United States. Arch Ophthalmol. 2004 Apr;122(4):552-63. doi: 10.1001/archopht.122.4.552.
- Lin DY, Blumenkranz MS, Brothers RJ, Grosvenor DM. The sensitivity and specificity of single-field nonmydriatic monochromatic digital fundus photography with remote image interpretation for diabetic retinopathy screening: a comparison with ophthalmoscopy and standardized mydriatic color photography. Am J Ophthalmol. 2002 Aug;134(2):204-13. doi: 10.1016/s0002-9394(02)01522-2.
- Harding SP, Broadbent DM, Neoh C, White MC, Vora J. Sensitivity and specificity of photography and direct ophthalmoscopy in screening for sight threatening eye disease: the Liverpool Diabetic Eye Study. BMJ. 1995 Oct 28;311(7013):1131-5. doi: 10.1136/bmj.311.7013.1131.
- Ogurtsova K, da Rocha Fernandes JD, Huang Y, Linnenkamp U, Guariguata L, Cho NH, Cavan D, Shaw JE, Makaroff LE. IDF Diabetes Atlas: Global estimates for the prevalence of diabetes for 2015 and 2040. Diabetes Res Clin Pract. 2017 Jun;128:40-50. doi: 10.1016/j.diabres.2017.03.024. Epub 2017 Mar 31.
- Liew G, Michaelides M, Bunce C. A comparison of the causes of blindness certifications in England and Wales in working age adults (16-64 years), 1999-2000 with 2009-2010. BMJ Open. 2014 Feb 12;4(2):e004015. doi: 10.1136/bmjopen-2013-004015.
- Lee R, Wong TY, Sabanayagam C. Epidemiology of diabetic retinopathy, diabetic macular edema and related vision loss. Eye Vis (Lond). 2015 Sep 30;2:17. doi: 10.1186/s40662-015-0026-2. eCollection 2015.
- Farley TF, Mandava N, Prall FR, Carsky C. Accuracy of primary care clinicians in screening for diabetic retinopathy using single-image retinal photography. Ann Fam Med. 2008 Sep-Oct;6(5):428-34. doi: 10.1370/afm.857.
- Sussman EJ, Tsiaras WG, Soper KA. Diagnosis of diabetic eye disease. JAMA. 1982 Jun 18;247(23):3231-4.
- Sayres R, Taly A, Rahimy E, Blumer K, Coz D, Hammel N, Krause J, Narayanaswamy A, Rastegar Z, Wu D, Xu S, Barb S, Joseph A, Shumski M, Smith J, Sood AB, Corrado GS, Peng L, Webster DR. Using a Deep Learning Algorithm and Integrated Gradients Explanation to Assist Grading for Diabetic Retinopathy. Ophthalmology. 2019 Apr;126(4):552-564. doi: 10.1016/j.ophtha.2018.11.016. Epub 2018 Dec 13.
- Abramoff MD, Folk JC, Han DP, Walker JD, Williams DF, Russell SR, Massin P, Cochener B, Gain P, Tang L, Lamard M, Moga DC, Quellec G, Niemeijer M. Automated analysis of retinal images for detection of referable diabetic retinopathy. JAMA Ophthalmol. 2013 Mar;131(3):351-7. doi: 10.1001/jamaophthalmol.2013.1743.
研究記録日
主要日程の研究
研究開始 (予想される)
一次修了 (予想される)
研究の完了 (予想される)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。
MONAアルゴリズムの臨床試験
-
Kimberly MyerEunice Kennedy Shriver National Institute of Child Health and Human Development (NICHD); FHI...積極的、募集していない
-
University Hospital, ToulouseMedtronic Vascular引きこもった