AI for påvisning av netthinnesykdom og glaukom hos pasienter med diabetes mellitus i primærhelsetjenesten

Studiedesign Dette prosjektet vil følge en metodikk som består av 2 samtidige studier: I den første studien vil vi utvikle en AI-algoritme for å oppdage tegn på DR hos pasienter med diabetes.

Den andre delen av prosjektet vil bestå av utarbeidelsen av en prospektiv studie som vil gjøre det mulig å sammenligne diagnosekapasiteten til algoritmen med den til allmennmedisinske legene og med retinaspesialister. Referansen vil være en blindet dobbel avlesning utført av retinaspesialistene (med en blindet tredje avlesning ved uenighet i de to foregående avlesningene). På denne måten vil resultatene som oppnås, både av AI-algoritmen og av spesialister i familiemedisin, sammenlignes ved å bruke gullstandarden (nøyaktighet, sensitivitet, spesifisitet, areal under kurven, etc). Inkludering av sykepleiere som har fått opplæring i fundusavlesninger vil bli vurdert for å sammenligne deres diagnostiske kapasitet.

Studiepopulasjon, nettstedsdeltakelse og rekrutteringsbilder for utviklingen av algoritmen vil bli overlatt av CHS og vil inkludere bilder fra hele den katalanske befolkningen. Den prospektive studien vil finne sted i primæromsorgssentrene som administreres av Catalan Health Institute i Sentral-Catalonia, som inkluderer fylkene Bages, Osona, Berguedà og Anoia. Referansepopulasjonen vil være den populasjonen som er tildelt disse primæromsorgssentrene. Denne befolkningen inkluderte rundt 512 000 mennesker i 2017, med en estimert forekomst av diabetes på 7,1 %.

Studieperioden vil omfatte 2010-2017 for utvikling av algoritmen med AI. Den prospektive studien vil begynne når algoritmen er utviklet og vil løpe til antall avlesninger som trengs er oppnådd (ca. 3-4 måneder).

Gjennomføring av studien For utviklingen av AI-algoritmen vil alle fundusbilder merket som DR av pasienter fra primærhelsesentre i Catalonia mellom 2010 og 2017 bli inkludert. For den prospektive studien vil alle bildene av pasienter som gjennomgikk en øyefundusundersøkelse inkluderes fra studiestartperioden til tilstrekkelig antall pasienter er nådd. En høy prosentandel av fundusbilder må ha tilstrekkelig kvalitet; det vil si et 40-graders syn av den sentrale netthinnen hvor man kan se minst en tre-fjerdedel av synsnerven, en godt fokusert makula og veldefinerte vener og arterier i øvre og nedre buer. Øyefundusbilder som ikke har tilstrekkelig teknisk kvalitet (mørke) eller som ikke kan evalueres på grunn av opasiteten til mediet (f.eks. for grå stær) vil bli ekskludert

Datainnsamling For utviklingen av AI-algoritmen er det nødvendig å ha de anonymiserte bildene med tilsvarende etikett som klassifiserer hvert bilde (i en av klassene som algoritmen skal trenes med). Personellet med ansvar for informasjonsteknologi (IT) til CHS vil vurdere den beste strategien for anonymisering og utvinning av bildene fra datasystemene til CHS, samt identifisering av hvert bilde med en unik identifikator. På den annen side vil en tabulert filtype CSV eller TXT være nødvendig for å relatere hver bildeidentifikator med den tilsvarende klassifiseringen. Personen som er ansvarlig for IT i CHS, sammen med teknisk sjef for OPTretina, vil bli enige om den beste måten å overføre disse 2 informasjonskildene på en sikker måte fra CHS-serverne til OPTretina-serverne (SSH File Transfer Protocol, ekstern harddisk) avhengig av datavolumet som skal overføres og den interne policyen til CHS. OPTretina har erfaring med å utvikle AI-modeller for automatisk klassifisering av fundusbilde og er en spansk produsent av medisinsk utstyr som er sertifisert for medisiner og helseprodukter.

For den prospektive studien vil anonymiserte ukentlige fundusdataavlesninger samlet inn av familiemedisinere som leser av fundusbilder i Sentral-Catalonia. Bildene vil bli overført til OPTretina-serverne for først å bli analysert av den diagnostiske algoritmen og deretter av retinaspesialistene som vil stille den definitive diagnosen. Personen som er ansvarlig for IT til CHS, sammen med teknisk sjef for OPTretina, vil bli enige om den beste måten å overføre disse dataene på en sikker måte.