Høy-throughput, storskala AI-assistert diagnostikk basert på OCT

Denne studien undersøker nøkkelteknologier for høyt gjennomstrømnings, storskala AI-assistert diagnostikk ved bruk av optisk koherenstomografi (OCT) og OCT-angiografi (OCTA). OCT/OCTA-bildebehandling har blitt et essensielt ikke-invasivt verktøy for å oppdage og overvåke sykdommer i netthinnen og synsnerven, men manuell tolkning forblir tidkrevende, erfaringsavhengig og begrenset av variasjon mellom observatører. Nylige fremskritt innen store kunstige intelligensmodeller gir en mulighet til å utvikle skalerbare, generaliserbare diagnostiske verktøy som kan behandle store multimodale datasett og støtte klinisk beslutningstaking.

Denne observasjonsstudien vil inkludere pasienter som gjennomgår rutinemessige OCT- og/eller OCTA-undersøkelser ved Peking Union Medical College Hospital og som er diagnostisert med en eller flere av følgende tilstander: diabetisk retinopati, grenvenetrombose, sentral venetrombose, aldersrelatert makuladegenerasjon, patologisk myopisk koroidal neovaskularisering eller glaukom med synsnerskade. Studien vil inkludere både retrospektivt innsamlede og prospektivt innhentede bildedata og kliniske data, i henhold til standardiserte kvalitetskontroll- og databehandlingsprosedyrer.

Det høyt gjennomstrømmende diagnostiske rammeverket vil bli trent og validert ved bruk av storskala bilde- og kliniske datasett. Primære utfall inkluderer diagnostiske ytelsesmål som området under mottakeroperasjonskarakteristikk-kurven (AUC). Sekundære utfall inkluderer sensitivitet, spesifisitet og lesjonsnivå- eller strukturell egenskapsvurdering når det er aktuelt. Ingen eksperimentell intervensjon vil bli innført, og all bildebehandling og klinisk evaluering vil følge standard klinisk omsorg.

Studien har som mål å produsere en robust, klinisk relevant referanse for storskala AI-systemer i OCT/OCTA-tolkning og gi teknisk støtte for fremtidig integrering av AI-assisterte diagnostiske verktøy i rutinemessig oftalmologisk praksis.