AI voor de detectie van netvliesaandoeningen en glaucoom bij patiënten met diabetes mellitus in de eerste lijn

Studieopzet Dit project zal een methodologie volgen die bestaat uit 2 gelijktijdige studies: In de eerste studie zullen we een AI-algoritme ontwikkelen om de tekenen van DR bij patiënten met diabetes te detecteren.

Het tweede deel van het project zal bestaan ​​uit de uitwerking van een prospectieve studie die zal toelaten om het diagnostisch vermogen van het algoritme te vergelijken met dat van huisartsgeneeskundigen en netvliesspecialisten. De referentie is een geblindeerde dubbele lezing uitgevoerd door de netvliesspecialisten (met een geblindeerde derde lezing in geval van onenigheid over de vorige 2 metingen). Op deze manier zullen de verkregen resultaten, zowel door het AI-algoritme als door huisartsgeneeskundigen, worden vergeleken met behulp van de gouden standaard (nauwkeurigheid, gevoeligheid, specificiteit, gebied onder de curve, enz.). De opname van verpleegkundigen die een training in funduslezingen hebben gevolgd, zal worden overwogen om hun diagnostische capaciteit te vergelijken.

Onderzoekspopulatie, deelname aan sites en werving Afbeeldingen voor de ontwikkeling van het algoritme zullen worden afgestaan ​​door de CHS en zullen afbeeldingen bevatten van de hele Catalaanse bevolking. De prospectieve studie zal plaatsvinden in de eerstelijnszorgcentra die worden beheerd door het Catalaans Gezondheidsinstituut in Centraal Catalonië, waaronder de provincies Bages, Osona, Berguedà en Anoia vallen. De referentiepopulatie is de populatie die is toegewezen aan deze eerstelijnszorgcentra. Deze populatie omvatte in 2017 ongeveer 512.000 mensen, met een geschatte prevalentie van diabetes van 7,1%.

De studieperiode omvat 2010-2017 voor de ontwikkeling van het algoritme met AI. De prospectieve studie begint zodra het algoritme is ontwikkeld en loopt totdat het aantal benodigde metingen is verkregen (ongeveer 3-4 maanden).

Uitvoering van het onderzoek Voor de ontwikkeling van het AI-algoritme zullen alle fundusbeelden met het label DR van patiënten uit eerstelijnszorgcentra in Catalonië tussen 2010 en 2017 worden opgenomen. Voor de prospectieve studie zullen alle beelden van patiënten die een oogfundusonderzoek hebben ondergaan worden opgenomen vanaf de startperiode van de studie totdat het juiste aantal patiënten is bereikt. Een hoog percentage fundusbeelden moet van voldoende kwaliteit zijn; dat wil zeggen, een zicht van 40 graden van het centrale netvlies waar ten minste een driekwart deel van de oogzenuw, een goed gefocuste macula en goed gedefinieerde aders en slagaders van de bovenste en onderste bogen te zien zijn. Oogfundusbeelden die niet voldoende technische kwaliteit hebben (donker) of die niet kunnen worden beoordeeld vanwege de ondoorzichtigheid van de media (bijv. voor cataract) worden uitgesloten

Gegevensverzameling Voor de ontwikkeling van het AI-algoritme is het noodzakelijk om de geanonimiseerde afbeeldingen te hebben met het bijbehorende label dat elke afbeelding classificeert (in een van de klassen waarmee het algoritme moet worden getraind). Het personeel dat verantwoordelijk is voor informatietechnologie (IT) van het CHS zal de beste strategie evalueren voor het anonimiseren en extraheren van de beelden uit de computersystemen van het CHS, evenals de identificatie van elk beeld met een unieke identificatie. Aan de andere kant is een getabelleerd bestandstype CSV of TXT vereist om elke afbeeldingsidentificatie te relateren aan de overeenkomstige classificatie. De IT-verantwoordelijke van het CHS zal samen met de technisch verantwoordelijke van OPTretina overeenkomen hoe deze 2 informatiebronnen op een veilige manier van de CHS-servers naar de OPTretina-servers kunnen worden overgebracht (SSH File Transfer Protocol, externe harde schijf) afhankelijk van de hoeveelheid gegevens die moet worden overgedragen en het interne beleid van de CHS. OPTretina heeft ervaring met het ontwikkelen van AI-modellen voor automatische fundusbeeldclassificatie en is een door het Spaanse Agentschap voor Geneesmiddelen en Gezondheidsproducten gecertificeerde fabrikant van medische hulpmiddelen.

Voor de prospectieve studie zullen geanonimiseerde wekelijkse fundusgegevens worden verzameld die zijn verzameld door huisartslezers van fundusbeelden in Centraal Catalonië. De beelden worden overgebracht naar de OPTretina-servers om eerst te worden geanalyseerd door het diagnostische algoritme en vervolgens door de netvliesspecialisten die de definitieve diagnose stellen. De IT-verantwoordelijke van het CHS zal samen met de technisch verantwoordelijke van OPTretina overleggen hoe deze gegevens het beste op een veilige manier kunnen worden overgedragen.