Geautomatiseerde artritisdetectie met behulp van kunstmatige intelligentie op smartphonefoto's (AISynovitis)

De afgelopen vier jaar hebben we ernaar gestreefd de detectie van artritis radicaal te veranderen door de integratie van geavanceerde kunstmatige intelligentie. Dit project heeft tot doel artritis te detecteren op basis van smartphonefoto's van gewrichtsgebieden, waardoor het schaalbaar en beschikbaar is in de gemeenschap. We hebben eerst een overtuigende proof-of-concept-pijplijn en modellen ontwikkeld met behulp van 100 patiënten. (gepubliceerd in Frontiers in Medicine, november 2023, waarin we hebben aangetoond dat deze technologie met redelijke nauwkeurigheid werkt in het laboratorium, namelijk dat het Technology Readiness Level momenteel 3-4 bedraagt). We volgden met een nieuwer artikel (ingediend voor publicatie, beschikbaar op preprint-server MedRxiv) waarin twee verschillende CNN's werden getraind, een screening CNN op niet-gecoupeerde handen die patiënten onderscheidt van controles, gevolgd door gezamenlijke specifieke detecties.

Het systeem omvat ondersteunende infrastructuur die een efficiënte detectie van artritis mogelijk maakt. Dit omvat

1. Verzameling van foto's op een gestandaardiseerde manier met behulp van op maat ontworpen dozen
2. Een browserpijplijn gebruiken en testen
3. De CNN-modellen zullen worden getraind op de dataset van foto's die hierin worden gemaakt en de resultaten zullen worden ingezet bij artsen in de gemeenschap. Dit zorgt voor een arts die later actie kan ondernemen op basis van de resultaten voor verdere bevestigende tests of management.
4. Inzicht in de kennis en houding van patiënten en artsen ten opzichte van AI in klinische besluitvormingsalgoritmen

Dit is een prospectief, niet-interventioneel onderzoek en bij dit project wordt alleen een onderzoeker betrokken die een smartphonefoto maakt van enkele gezamenlijke gebieden die in gestandaardiseerde posities worden bewaard. Dit brengt geen risico voor de patiënt met zich mee.