당뇨병성 망막병증에 대한 컴퓨터 기반 스크리닝

RiskAnalyzer의 도움이 있거나 없는 디지털 안저 사진을 사용하여 DR의 위험 계층화를 위한 망막 스크리닝의 감도

디지털 안저 사진과 RiskAnalyzer를 이용한 DR의 위험 계층화를 위한 망막 스크리닝의 민감도 및 특이도

임상 시험 방법 및 연구 설계: 이 연구에 참여하기 위해 총 10,000명의 피험자가 모집됩니다. 이러한 피험자는 두 명의 병렬 협력자, Extension for Community Healthcare Outcomes(Project ECHO) 및 CommuniCare Health Centers를 통해 등록됩니다. 각 클리닉은 연간 케이스의 약 50% 또는 주당 평균 50 케이스를 확보합니다. 피험자는 클리닉, 텍사스주 샌안토니오의 CommuniCare Health Centers 및 뉴멕시코의 Project ECHO에서 식별됩니다. CommuniCare에는 텍사스주 샌안토니오 남동부에 있는 Barrio Family Health Center와 역시 샌안토니오에 있는 Dr. Frank Bryant Health Center라는 두 개의 관련 사이트가 있습니다. CommuniCare는 연간 약 45,000명의 환자에게 서비스를 제공하며 이 중 5,000명이 당뇨병 치료가 필요한 것으로 추정됩니다. 뉴멕시코 대학교와 함께 Project ECHO는 뉴멕시코의 소외된 지역에 서비스를 제공하기 위해 뉴멕시코의 20개 이상의 농촌 클리닉과 협력합니다. 모집 전단지 및 동의서는 각 사이트에 제공됩니다. 클리닉 직원은 예정된 방문 중에 연구 대상을 모집합니다. 피험자에게는 연구에 대한 정보와 정보에 입각한 동의서가 포함된 전단지가 제공됩니다. 연구에 등록하는 데 관심이 있는 피험자는 망막 영상 촬영을 위해 사이트 내의 사진사에게 소개될 것입니다. 피험자는 본 연구 참여에 대한 대가나 봉급을 받지 않습니다.

이 시험에 참여하기 위한 피험자에 대한 선별 요구 사항은 없습니다. 대상자는 의료 전문가에 의해 당뇨병 전단계 또는 당뇨병이 있는 사람으로 진단되어야 합니다. 이전 또는 병용 요법에 관한 정보에 대한 요구 사항이나 권유는 없습니다. 망막 스크리닝이 수행되면 피험자가 연구를 종료하거나 중단할 기준은 없습니다. 망막 스크리닝이 발생하면 피험자는 연구에서 제외되지 않습니다. 피험자가 망막 스크리닝을 완료하면 피험자 참여 기간이 종료됩니다. 피사체에서 가져온 이미지는 부적절한 이미지 품질로 인해 연구에 사용되지 않을 수 있습니다. 부적절하다고 판단되는 이미지의 수를 추적하여 연구 완료 시 보고합니다. 망막 스크리닝은 이 연구에서 피험자 참여의 시작과 끝을 모두 표시합니다.

각 눈에 대해 최소 2개의 후방 극 이미지가 수집됩니다. 하나의 이미지는 중심와 중앙에, 두 번째 이미지는 시신경 유두에 위치합니다. 세 번째 이미지는 전안부(눈 앞부분)에서 수집됩니다. 피험자는 약리학적으로 확장되지 않습니다. 이미징은 이미징 룸의 어둠에 대한 적응으로 인한 자연스러운 팽창에 의존합니다. 이미저(사진사)가 읽기에 불충분한 품질의 주어진 이미지를 식별하는 경우에만 눈당 2개 이상의 이미지가 수집됩니다. 품질이 좋지 않은 이미지는 일반적으로 깜박임 또는 작은 동공과 같은 생리적 이유에 기인하며 이 연구의 일부로 사용되지 않습니다. 망막 사진가는 이미징 프로토콜을 완료하기 위해 피사체의 눈 이미지를 획득하기 위해 최대 3번 시도합니다. 연구 코디네이터는 연구 프로토콜 준수를 확인하고 문서화하기 위해 이미징 절차에 대한 주간 감사를 수행합니다.

이 연구에 사용될 클래스 II 의료 기기는 비 산동 또는 이에 상응하는 망막 카메라입니다. 망막 카메라는 약리학적 확장을 사용하지 않고 인간 눈의 망막의 디지털 이미지를 촬영하는 데 사용하도록 고안되었습니다. 망막 카메라에는 다음과 같은 사진 모드가 있습니다. RGB 색상. 디지털 카메라는 망막 이미징을 수행하기 위해 망막 카메라에 장착됩니다.

사진 보관 및 통신 시스템(PACS)은 DICOM 이미지, 일정 정보 및 텍스트 보고서를 수신하고 이를 내부 형식으로 구성 및 저장하고 HIPAA 및 FDA 승인 보안 사용자 인터페이스를 통해 네트워크에서 해당 정보를 사용할 수 있도록 하는 데 사용됩니다. PACS는 캡처 구성 요소, 중앙 서버 구성 요소 및 범용 컴퓨팅 하드웨어에서 사용되는 뷰어 구성 요소로 구성됩니다. 주제 정보, 절차 정보 및 이미지 획득 데이터가 캡처되어 서버로 전송되거나 DICOM 호환 장치에서 직접 수락됩니다. 이미지 개체 및 관련 데이터를 수신한 후 서버는 수신 데이터 및 이미지를 이전 사례와의 연결을 포함하여 아카이브에 등록합니다. 사례는 관리 사용자가 제어하는 ​​작업 목록에서 올바른 권한이 있는 사용자에게 제공됩니다. 이미지 데이터는 표준 웹 브라우저를 사용하여 사용자의 워크스테이션에서 전송되고 렌더링됩니다. 서버가 보고서를 등록하면 의뢰 의사나 클라이언트 서비스에서 보고서를 전자적으로 또는 팩스를 통해 사용할 수 있습니다.

이미지와 대상 인구 통계가 수집된 직후 사진사는 이미징 워크스테이션과 PACS 간에 설정된 VPN 연결을 통해 사례로 데이터를 PACS에 업로드합니다. 이미징 시 VPN 연결을 설정할 수 없는 경우 업로드는 나중에 수행됩니다. 진료일의 끝. 데이터는 업로드를 보장하기 위해 최대 5일 동안 이미징 워크스테이션에 상주합니다. 임상 코디네이터는 매주 업로드 완료 감사를 실시합니다. PACS에 들어가면 독자가 발견한 내용이 포함된 보고서를 생성하는 내장 읽기 템플릿을 사용하여 사례를 읽습니다. 연구는 연구 피험자에 대한 치료 표준을 방해하지 않을 것입니다. 각 사이트는 자체 표준 절차 및 관리를 따릅니다. 조사 결과는 선별 검사를 위해 피험자를 의뢰한 클리닉에 보고될 것입니다. 클리닉은 필요한 개입이나 치료를 포함한 후속 치료를 책임집니다.

RiskAnalyzer의 성능: RiskAnalyzer의 성능은 사전에 지정된 민감도(Seo) 및 특이도(Spo) 값에 대한 최소 허용 값을 적용하여 계산됩니다. 이 연구의 목적을 위해 지정된 귀무가설 값은 Seo=0.85입니다. 및 Spo=0.70. 이 값은 안과 검사에서 얻은 데이터를 기반으로 합니다. 망막 사진을 사용하는 훈련된 판독기의 효능은 민감도 > 80%로 시력을 위협하는 망막병증에 대한 가장 민감한 선별 및 모니터링 테스트를 제공하는 것으로 입증되었습니다. Abramoff, et al. 여러 인간 독자를 기반으로 한 실측 정보의 오류 가능성이 있는 모든 시스템에서 달성할 수 있는 민감도의 한계에 대해 논의합니다. 그는 0.85가 달성할 수 있는 감도의 한계라고 제안합니다. 특이성은 이 구현을 상업적으로 실행 가능하게 만들기 위해 우리가 추구하는 효율성을 기반으로 합니다. 우리는 0.90의 통계적 검정력과 0.99의 유의 수준을 달성하도록 연구를 설계했습니다. 신뢰 한계가 점근적 정규 분포 이론을 기반으로 하는 경우 표본 크기는 Pepe가 제공한 점근적 분산 공식을 기반으로 할 수 있습니다.

목표 1: 목표 1은 연구 데이터 흐름 물류 및 정보 전송 인터페이스를 완전히 테스트하는 것입니다. 테스트는 전적으로 하나의 모집, 등록 및 이미징 사이트에서 수행됩니다. 이 목표를 완료하는 기간은 3개월입니다.

목표 1을 위한 재료 및 연구 설계: 피험자는 단일 사이트에서 모집됩니다. 모든 이미지는 그레이딩을 위해 두 명의 판독기로 라우팅됩니다. 두 명의 판독기가 이미지에 동일한 등급을 할당하면 생성된 보고서가 진료소에 제공되어 추천 의사에게 배포됩니다. 독자가 동일한 이미지에 대해 다른 등급을 할당하는 경우 이미지는 해결을 위해 심사관에게 전달됩니다. 심사관은 각 판독기가 생성한 보고서에 액세스할 수 있지만 RiskAnalyzer의 위험 수준에는 액세스할 수 없습니다. 심사관의 보고서가 생성되어 피험자에게 보고서 배포 및 추가 후속 조치를 담당할 클리닉에 보고됩니다. 또한 이미지는 익명화되어 RiskAnalyzer로 라우팅됩니다. RiskAnalyzer는 이미지 분석을 수행하고 당뇨병성 망막병증에 대해 "저위험" 또는 "고위험"의 위험 계층화를 생성합니다. RiskAnalyzer가 할당한 위험 수준이 포함된 보고서는 의뢰 의사, 진료소 또는 심사관에게 배포되지 않고 임상시험 종점을 지원하는 통계 분석에만 사용됩니다.

목표 1의 결과: 데이터 결과는 단일 사이트에서 피험자를 모집하고 연구에 등록하고, 망막 이미징을 수행하고, 이미지를 PACS에 업로드하고, 필요한 경우 라우팅 및 등급이 매겨지는 두 명의 다른 판독기가 동일한 이미지를 등급을 매기는 능력을 보여줄 것입니다. 심사관 및 최종 보고서를 생성하는 기능. 독자가 따르는 읽기 과정은 국제 임상 당뇨병성 망막병증 질병 심각도 척도를 기반으로 합니다. 또한 데이터는 이미지가 처리를 위해 RiskAnalyzer로 성공적으로 라우팅되었음을 보여줍니다.

목표 2: 목표 2는 황금 표준과 비교하여 당뇨병성 망막병증의 위험을 식별하기 위해 RiskAnalyzer의 효능을 평가하는 것입니다. 이 목표를 완료하는 기간은 9개월입니다.

목표 2를 위한 방법 및 연구 설계: 피험자는 여러 CommuniCare 및 Project ECHO 사이트에서 모집됩니다. 모든 이미지는 2명의 판독자와 한 명의 심사관이 등급을 매기며 첫 번째와 두 번째 판독자의 등급이 일치하지 않을 경우. 독자가 따르는 읽기 과정은 국제 임상 당뇨병성 망막병증 질병 심각도 척도를 기반으로 합니다. 당뇨병성 망막병증의 존재 및 중증도를 나타내는 판독기 또는 심사관에 의해 생성된 합의 보고서는 의뢰 의사를 통해 피험자에게 제공되고 필요한 경우 의뢰 의사가 전문가에게 의뢰합니다. 독자가 등급을 매긴 동일한 이미지는 처리를 위해 RiskAnalyzer로 라우팅되어 당뇨병성 망막병증에 대해 "낮은 위험" 또는 "높은 위험"의 위험 수준을 생성합니다. 이미지가 RiskAnalyzer로 라우팅되면 이미지는 RiskAnalyzer에서 평가할 때까지 비식별화되고 격리됩니다. RiskAnalyzer를 사용하여 얻은 위험 수준은 어떤 상황에서도 대상에게 제공되지 않습니다. 의뢰 의사는 RiskAnalyzer에서 할당한 위험 수준에서도 가려집니다. 의뢰 의사는 VisionQuest Biomedical에 함께 있지 않으므로 컴퓨터나 데이터 저장 영역에 액세스할 수 없습니다.

목표 2의 결과: 통계 분석은 황금 표준과 비교하여 RiskAnalyzer의 정확도 수준을 나타냅니다. 통계 분석은 Cohen의 카파 계수를 사용하여 민감도, 특이도, AUC 및 일치 수준을 사용합니다.

목표 3: 목표 3은 이미지 등급 지정을 수행하는 동안 독자가 ​​알고리즘의 위험 수준을 사용할 수 있을 때 이미지 등급 지정에서 독자의 정확도가 향상됨을 입증하는 시험의 기본 끝점을 다룰 것입니다. 이 목표를 완료하는 기간은 12개월입니다.

목표 3을 위한 방법 및 연구 설계: RiskAnalyzer가 첫 번째 독자로 사용됩니다. 두 명의 독자와 심사관이 계속 있을 것입니다. Ground Truth는 독자 1과 독자 2의 합의 또는 심사관에 의해 설정됩니다. 모든 이미지는 당뇨병성 망막병증에 대해 "저위험" 또는 "고위험"의 위험 수준을 생성하는 RiskAnalyzer로 라우팅됩니다. 케이스는 두 세트로 나누어 두 리더 모두에게 라우팅됩니다. 하나의 이미지 세트는 알고리즘이 지정된 위험 수준을 사용하여 두 판독기에 라우팅되고 다른 이미지 세트는 알고리즘이 지정된 위험 수준 없이 두 판독기에 라우팅됩니다. 각 이미지 세트에 대해 동일한 수의 '저위험' 및 '고위험' 사례가 선택됩니다. Ground Truth는 동일한 이미지에 동일한 등급을 할당하는 두 명의 판독기에 의해 설정됩니다. 서로 다른 두 명의 판독기가 동일한 이미지에 서로 다른 등급을 할당한 경우 케이스는 채점 및 보고를 위해 심사관에게 전달됩니다. 판결은 사실이 될 것입니다. 판정될 사례는 위험 단계의 범주가 다른 사례일 뿐입니다. 판정은 다음과 같이 독자들 사이의 불일치의 임상적 중요성을 기반으로 합니다. 심각도 척도 0과 1에 속하는 사례는 "저위험" 사례로 분류되고 심각도 척도 2 이상에 속하는 사례는 "고위험" 사례로 분류됩니다. " 경우. 판정이 필요한 경우는 위험도가 다르고 등급 2와 3(경증 및 중증), 등급 2와 4(경증 및 증식성 당뇨망막병증(PDR)) 간에 차이가 있는 고위험 범주 내의 사례입니다.

목표 3의 결과: 목표 3의 결과는 RiskAnalyzer가 판독 정확도와 독자 간의 일관성을 개선하고 인간 독자 간의 편견을 감소시킨다는 것을 입증합니다. Cohen의 kappa 계수를 사용하여 알고리즘에 의해 할당된 위험 수준이 있거나 없는 경우 독자가 이미지에 할당한 위험에 대해 동의 수준의 통계적 분석이 수행됩니다.

예상 결과: RiskAnalyzer의 위험 수준과 함께 원격 진료 망막 검사는 이미지 등급을 매길 때 판독기의 정확도를 향상시킵니다. 독자를 돕기 위해 RiskAnalyzer가 할당한 위험 수준을 사용하면 독자가 각 사례의 등급을 매기는 시간이 줄어듭니다. 이것은 망막 검사에 대한 접근성 증가를 지원하고, 망막 검사 권장 사항 준수를 지원하고, 망막 전문의를 보다 효율적으로 사용하여 질병을 평가하고 치료하여 보다 비용 효율적인 치료 방법을 제공하는 모델이 될 수 있습니다.