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)

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。