1차 진료에서 당뇨병 환자의 망막 질환 및 녹내장 감지를 위한 AI

연구 설계 이 프로젝트는 2개의 동시 연구로 구성된 방법론을 따를 것입니다. 첫 번째 연구에서는 당뇨병 환자의 DR 징후를 감지하는 AI 알고리즘을 개발할 것입니다.

프로젝트의 두 번째 부분은 알고리즘의 진단 능력을 가정의학과 의사 및 망막 전문의의 진단 능력과 비교할 수 있는 전향적 연구의 정교화로 구성될 것입니다. 참조는 망막 전문의가 수행하는 맹검 이중 판독(이전 2개 판독에서 불일치하는 경우 맹검 세 번째 판독 포함)입니다. 이런 식으로 AI 알고리즘과 가정의학과 전문의가 얻은 결과는 황금 표준(정확도, 민감도, 특이도, 곡선 아래 면적 등)을 사용하여 비교됩니다. 안저 판독에 대한 교육을 받은 간호사를 포함하여 진단 능력을 비교하는 것을 고려할 것입니다.

알고리즘 개발을 위한 연구 인구, 사이트 참여 및 모집 이미지는 CHS에서 양도하고 전체 카탈루냐 인구의 이미지를 포함합니다. 전향적 연구는 Bages, Osona, Berguedà 및 Anoia 카운티를 포함하는 Central Catalonia의 Catalan Health Institute에서 관리하는 1차 진료 센터에서 진행됩니다. 참조 인구는 이러한 1차 진료 센터에 할당된 인구입니다. 이 인구에는 2017년에 약 512,000명이 포함되었으며 당뇨병 유병률은 7.1%로 추정됩니다.

연구 기간에는 AI를 이용한 알고리즘 개발을 위한 2010-2017년이 포함됩니다. 전향적 연구는 알고리즘이 개발되면 시작되어 필요한 판독 횟수를 얻을 때까지(약 3-4개월) 실행됩니다.

연구 수행 AI 알고리즘 개발을 위해 2010년에서 2017년 사이에 카탈로니아 1차 진료 센터에서 환자의 DR로 표시된 모든 안저 이미지가 포함됩니다. 전향적 연구를 위해 안저 검사를 받은 환자의 모든 이미지는 연구 시작 기간부터 적절한 환자 수에 도달할 때까지 포함됩니다. 높은 비율의 안저 이미지는 충분한 품질을 가져야 합니다. 즉, 시신경의 적어도 3/4 부분, 잘 초점이 맞춰진 황반, 잘 정의된 정맥 및 상부 및 하부 호의 동맥을 볼 수 있는 중앙 망막의 40도 시야입니다. 적절한 기술적 품질(어두움)이 없거나 미디어의 불투명도(예: 백내장)로 인해 평가할 수 없는 눈 안저 이미지는 제외됩니다.

데이터 수집 AI 알고리즘의 개발을 위해서는 각 이미지를 분류하는 해당 레이블이 있는 익명화된 이미지가 필요합니다(알고리즘이 훈련되는 클래스 중 하나에서). CHS의 정보 기술(IT) 담당자는 CHS의 컴퓨터 시스템에서 이미지를 익명화 및 추출하고 고유한 식별자로 각 이미지를 식별하기 위한 최선의 전략을 평가합니다. 한편, 각 이미지 식별자를 해당 분류와 연관시키려면 표 파일 형식 CSV 또는 TXT가 필요합니다. CHS의 IT 책임자는 OPTretina의 기술 관리자와 함께 CHS 서버에서 OPTretina 서버(SSH 파일 전송 프로토콜, 외부 하드 디스크)는 전송할 데이터의 양과 CHS의 내부 정책에 따라 다릅니다. OPTretina는 자동 안저 이미지 분류를 위한 AI 모델 개발 경험이 있으며 스페인 의약품 및 건강 제품 인증 의료 기기 제조업체입니다.

전향적 연구를 위해 중앙 카탈로니아에서 안저 이미지의 가정의학 의사 독자가 수집한 익명화된 주간 안저 데이터 판독값이 수집됩니다. 이미지는 OPTretina 서버로 전송되어 먼저 진단 알고리즘에 의해 분석된 다음 최종 진단을 내릴 망막 전문가에 의해 분석됩니다. CHS의 IT 책임자는 OPTretina의 기술 관리자와 함께 이러한 데이터를 안전한 방식으로 전송하는 최선의 방법에 동의합니다.