OPPVISNING AV ØYESYKDOMMER MED HYBRID DYP LÆRINGSALGORITHMER FRA FUNDUSBILDER

I følge Verdens helseorganisasjons verdensomspennende rapport publisert i 2020, har minst 2,2 milliarder mennesker over hele verden for tiden synshemming, og minst 1 milliard av dem har en synshemming som kan forebygges eller som ennå ikke er blitt behandlet. Verden står overfor betydelige øyehelseutfordringer, inkludert ulikheter i dekning og kvalitet på øyepleieforebygging, behandling og rehabiliteringstjenester, mangel på utdannede øyepleiere og dårlig integrering av øyepleietjenester i helsesystemer, blant annet.

Det er kjent at mer enn 80 % av alle synsforstyrrelser kan forebygges eller behandles. En øyebunnsundersøkelse må utføres av en netthinnespesialist for å stille en korrekt diagnose, men folk oppsøker kun øyelege når de føler ubehag. Mens symptomene vanligvis utvikler seg så mye at når en sykdom først oppstår, noe som resulterer i dyre behandlinger og operasjoner, er skaden ofte irreversibel, noe som resulterer i synshemming eller til og med permanent synstap.

Kunstig intelligens brukes til å studere og utvikle teorier og metoder som kan bidra til å simulere og utvide menneskelig intelligens, som har blitt brukt i mange forskningsfelt som automatisk diagnose og medisin. De siste årene har skjæringspunktet mellom kunstig intelligens (AI) teknologi og moderne medisin gjort effektiv og rask sykdomsscreening mulig. EyeCheckup er en automatisert programvareenhet utviklet for å analysere digitale fargefotografier av øyefundus for raskt å skjerme for sykdommer i netthinnen og optisk disk.

Hovedmålet med forskningen er å evaluere ytelsen til den automatiske screeningalgoritmen for å oppdage styrbare retinale og optiske disksykdommer basert på fargefundusbilder og å bestemme dens sensitivitet og spesifisitet overfor mulige sykdommer. For den kliniske valideringen av systemet vil bildene bli vurdert av øyeleger og resultatene vil bli sammenlignet med algoritmen for kunstig intelligens.

Etter ekskluderinger vil denne studien registrere opptil 1528 fag som oppfyller kvalifikasjonskriteriene. Deltakere som oppfyller kvalifikasjonskriteriene vil bli rekruttert etter å ha innhentet skriftlig informert samtykke fra primærhelsepersonell. Forsøkspersonene vil gjennomgå fundusfotografering per, Food and Drug Administration (FDA) godkjente, oftalmiske kameraer. Bildene vil bli tatt i henhold til en spesifikk EyeCheckup-bildeprotokoll gitt til den oftalmiske kameraoperatøren og deretter analysert av EyeCheckup v2.0-enheten.

Metoder og verktøy som skal brukes i forskningen:

I. Fundus-fotoopptak med ikke-mydriatiske kameraer: Optisk disksentrerte og fovea-sentrerte fundusbilder vil bli tatt med Canon CR-2 AF, Topcon TRC-NW400 og Optomed Aurora Non-mydriatic fundus-kameraer. For frivillige hvis ikke-mydriatiske bilder ikke kan oppnås, vil pupillutvidelse oppnås ved å dryppe inn tropicamiddråper, og deretter vil det bli tatt bilder. Canon CR-2 AF, Topcon TRC-NW400 og Optomed Aurora Non-mydriatic fundus-kameraer, som retinabilder vil bli tatt fra, er CE-merket og FDA-godkjent.

Tester som skal gjøres:

I. Fundusbilder tatt med tre forskjellige kameraer fra hver frivillig inkludert i studien vil bli analysert separat for både høyre øye og venstre øye ved hjelp av EyeCheckup kunstig intelligens-algoritme på kamerabasert basis.

ii. Evaluering av Canon CR-2 AF-bilder av retina- og glaukomspesialister for klinisk validering av systemet og sammenligning av resultatene,