Automatisert leddgiktdeteksjon ved hjelp av kunstig intelligens på smarttelefonfotografier (AISynovitis)

I løpet av de siste 4 årene har vi hatt som mål å revolusjonere oppdagelsen av leddgikt gjennom integrering av avansert kunstig intelligens. Dette prosjektet har som mål å oppdage leddgikt basert på smarttelefonfotografier av leddområder som gjør det skalerbart og tilgjengelig i samfunnet. Vi utviklet først en overbevisende proof-of-concept pipeline og modeller med 100 pasienter. (publisert i Frontiers in Medicine, november 2023, hvor vi demonstrerte at denne teknologien fungerer med rimelig nøyaktighet i laboratoriet, nemlig teknologiberedskapsnivået er for tiden 3-4). Vi fulgte med en nyere artikkel (sendt inn for publisering, tilgjengelig på preprint-serveren MedRxiv) som trente to forskjellige CNN-er, en screening-CNN på ubeskårede hender som skiller pasienter fra kontroller etterfulgt av felles spesifikke deteksjoner.

Systemet innebærer støttende infrastruktur som vil muliggjøre effektiv påvisning av leddgikt. Dette inkluderer

1. Samling av bilder på en standardisert måte ved hjelp av spesialdesignede bokser
2. Bruke og teste en nettleserpipeline
3. CNN-modellene vil bli trent på datasettet med fotografier tatt i dette, og resultatene vil bli distribuert til leger i samfunnet. Dette sikrer en lege i løkken som senere kan ta grep på resultatene for ytterligere bekreftende tester eller behandling.
4. Forstå kunnskap, holdninger til pasienter og leger til AI i kliniske beslutningsalgoritmer

Dette er en prospektiv, ikke-intervensjonell studie, og dette prosjektet involverer bare en etterforsker som tar et smarttelefonbilde av noen fellesområder holdt i standardiserte posisjoner. Dette innebærer ingen risiko for pasienten.