Opracowanie ogólnokrajowego rejestru umożliwiającego śledzenie podłużnych wyników klinicznych operacji i chorób rogówki

Tło. Przegląd chorób oczu i statystyki globalne Choroba rogówki jest piątą najczęstszą przyczyną ślepoty na świecie, a około 4,5 miliona osób cierpi na umiarkowane lub ciężkie zaburzenia widzenia wynikające z utraty przejrzystości rogówki. W porównaniu z innymi głównymi przyczynami ślepoty, choroba rogówki dotyka przede wszystkim młodszą populację i dlatego wiąże się z nią dłuższy czas życia skorygowany niepełnosprawnością. Tylko 1 na 70 osób ze ślepotą rogówki ostatecznie poddaje się przeszczepowi rogówki z powodu szeregu problemów, w tym czynników społeczno-ekonomicznych i politycznych. W rezultacie liczba zabiegów keratoplastyki wykonywanych w USA rocznie wynosi około 50 000.

Śledzenie długoterminowych wyników leczenia po przeszczepieniu rogówki W Stanach Zjednoczonych nie istnieje obecnie żaden rejestr ani baza danych monitorująca długoterminowe wyniki leczenia dawcy lub biorcy po przeszczepieniu rogówki. Inne przeszczepy narządów, w tym nerki, wątroby, serca, płuc i trzustki, mają ustalony rejestr, mimo że przeszczepy rogówki są jednymi z najczęstszych przeszczepów w USA. Australia jest jednym z niewielu krajów, w których od 1985 r. istnieje zarejestrowany rejestr przeszczepów rogówki, który dostarczył bezcennych informacji pozwalających określić pozytywne i negatywne czynniki prognostyczne wpływające na przeżycie przeszczepu rogówki. Aby uzyskać najlepsze wyniki leczenia, praktyka kliniczna powinna być idealnie dostosowana do wyboru najlepszego rodzaju operacji (tj. keratoplastyka penetrująca [PKP], keratoplastyka śródbłonkowa [EK], keratoplastyka blaszkowa przednia [ALK] lub sztuczna rogówka) dla każdego indywidualnego pacjenta, w oparciu o rzeczywiste wyniki.

Rozwój i wykorzystanie sztucznej inteligencji w leczeniu chorób rogówki Uczenie maszynowe, które odgrywa stale rosnącą rolę w opracowywaniu systemów sztucznej inteligencji do zastosowań medycznych, to potężny sposób na obsługę bardzo dużych zbiorów danych. Różnorodne algorytmy mogą uwzględniać wiele wartości wydajniej i dokładniej niż ludzie. Badania obrazowe są szczególnie bogate, co czyni je dobrze przystosowanymi do uczenia maszynowego.

Dokładna ocena algorytmów różnych badań obrazowych z wykorzystaniem AI/ML może poprawić precyzję w porównaniu z badaniami fizykalnymi, poprawiając wyniki pacjentów dzięki wcześniejszemu i dokładniejszemu wykrywaniu nieprawidłowości oraz lepszemu przewidywaniu przyszłych wyników. Ponadto zdalne gromadzenie danych pacjentów z wykorzystaniem sztucznej inteligencji/uczenia się zapewnia znaczne potencjalne korzyści pacjentom, świadczeniodawcom i szerszemu systemowi opieki zdrowotnej w zakresie monitorowania choroby, wyników operacji lub leczenia. Dzięki monitorowaniu w domu lub w środowisku lokalnym zdrowi pacjenci mogą zaoszczędzić czas i pieniądze na częstych dojazdach do kliniki. W przypadku wykrycia problemów możliwe jest wcześniejsze zidentyfikowanie potencjalnych schorzeń oczu lub powikłań pooperacyjnych, zanim staną się poważniejsze i będą wymagały interwencji lub operacji, co poprawia zarówno wyniki pacjentów, jak i oszczędza zasoby systemu opieki zdrowotnej.

Cele. Podstawowy: Utworzenie pierwszego ogólnokrajowego rejestru rogówki w Stanach Zjednoczonych, który będzie zawierał informacje dotyczące stanu chorobowego, informacje o tkance dawcy, dane biorcy, zabieg chirurgiczny i długoterminowe wyniki kliniczne. Ostatecznie to prospektywne gromadzenie danych pozwoli nam określić czynniki prognostyczne udanego przeszczepu rogówki i stworzyć algorytm kierujący praktyką kliniczną w oparciu o rzeczywiste wyniki.

Drugorzędne: Gromadzenie i tworzenie bazy danych niezidentyfikowanych badań obrazowych (w tym między innymi optycznej topografii koherentnej (OCT), biomikroskopii konfokalnej in vivo, biomikroskopii zwierciadlanej i topografii rogówki), aby ostatecznie opracować diagnostykę i topografię rogówki opartą na sztucznej inteligencji (AI). Algorytmy prognostyczne dotyczące częstości występowania, progresji i wyników operacji rogówki.

Projekt badania. Projektowanie perspektywiczne i obserwacyjne.

Rozmiar badania Początkowa rekrutacja uczestników badania będzie prowadzona pilotażowo w różnych ośrodkach w USA. Wszyscy kwalifikujący się uczestnicy zostaną zrekrutowani, a osoby, które wyraziły zgodę, zostaną włączone w początkowej fazie badania.

Gromadzenie danych Chirurdzy rogówki mieszkający w USA uzyskają obrazy rogówki przed i po przeszczepieniu rogówki. Te pozbawione cech identyfikacyjnych obrazy wraz z informacjami klinicznymi (charakterystyką dawcy i biorcy, informacjami chirurgicznymi oraz późniejszymi wynikami) zostaną wprowadzone do rejestru.

Elementy danych do rejestru przeszczepów rogówki W przypadku pacjentów poddawanych przeszczepieniu rogówki zostaną zebrane i wprowadzone do bezpiecznej elektronicznej bazy danych następujące elementy. Źródłem danych obrazowych w tym badaniu są kopie topografii rogówki OCT, obrazy biomikroskopii zwierciadlanej i biomikroskopii konfokalnej in vivo uzyskane podczas rutynowej opieki klinicznej. Rejestr otrzyma kopie obrazów w dowolnym formacie, w tym w formie elektronicznej i na płytach CD. Obrazy OCT pochodzące od różnych dostawców i ośrodków opieki mogą różnić się jakością i szczegółowością. Proces abstrakcji mapuje dane na jeden spójny schemat danych.

Źródła danych Wszystkie obrazy OCT i topografii rogówki są pozbawione danych umożliwiających identyfikację i nie zawierają informacji o stanie zdrowia pacjenta. Do analizy zbierane będą wyłącznie surowe obrazy, a obrazy OCT zostaną zestawione w celu utworzenia rejestru online.

Gromadzenie i przechowywanie danych Obrazy OCT będą przesyłane przez podmioty świadczące opiekę zdrowotną za pośrednictwem bezpiecznej, zaszyfrowanej platformy żądań obrazowania, z możliwością monitorowania przez personel w razie potrzeby. Dokumentacja obrazowa jest przesyłana na serwery badania i usuwana jest z niej tożsamość wszystkich danych pacjenta i chronionych informacji zdrowotnych (PHI).

Abstrakcja danych Personel badawczy posiadający wiedzę specjalistyczną w ocenie obrazów OCT dokona przeglądu wszystkich obrazów przesłanych w celu wykrycia wzorców. Wzorce te zostaną ostatecznie wykorzystane do uczenia algorytmów AI/ML na potrzeby gromadzenia danych pomiarowych.

Bezpieczeństwo danych To badanie będzie zgodne ze standardami bezpieczeństwa ustawy o przenośności i odpowiedzialności w ubezpieczeniach zdrowotnych (HIPAA). Ponadto zespół badawczy dysponuje kompleksowym zestawem zasad bezpieczeństwa, obejmującym strategie zarządzania ryzykiem, protokoły reagowania na incydenty, kontrolę dostępu, standardy szyfrowania oraz szkolenia personelu badawczego w zakresie ochrony wszystkich przesłanych obrazów obiektów.

Proponowany rozwój algorytmu. Opis proponowanej metody uczenia maszynowego Algorytm może być najbardziej wszechstronnym ze wszystkich automatycznych klasyfikatorów obrazów OCT i modułów zbierających dane. Przy wystarczającej ilości danych może być również najdokładniejszy. Algorytm zostanie przeszkolony i zoptymalizowany przy użyciu różnych danych OCT z tego badania.

Zarządzanie danymi. Przechowywanie obrazów Obrazy i dokumenty dotyczące badania będą przechowywane przez okres wymagany przez odpowiednie krajowe lub lokalne władze ds. zdrowia, w zależności od tego, który okres jest dłuższy. Po tym okresie dokumenty mogą zostać zniszczone, z zastrzeżeniem lokalnych przepisów.

Zasady zapewniania jakości danych Zespół badawczy zapewnia dokładność danych uzyskanych z obrazów OCT za pomocą szeregu środków wykorzystujących zarówno technologię, jak i wiedzę ludzką. Platforma do gromadzenia obrazów została zaprojektowana w celu oznaczania nieprawidłowości i obrazów o niskiej pewności przy użyciu konserwatywnych progów.

Zespół badawczy przechodzi program szkoleniowy i musi przejść rygorystyczne testy jakości danych, zanim przejmie obowiązki związane z pełnym badaniem przesiewowym obrazowania. Wszystkie obrazy są sprawdzane przez co najmniej dwóch recenzentów, a trudne scenariusze, które nie są opisane w standardowych procedurach, są przekazywane starszemu kierownikowi zespołu, zgodnie z polityką. Procedury dokumentowania, przeglądania i wyciągania wniosków z eskalacji tworzą pętle informacji zwrotnej, które poprawiają efektywność operacyjną i redukują błędy ludzkie.

Zespół badawczy będzie prowadził dzienniki wszystkich transformacji danych i przeprowadzał regularne wewnętrzne audyty jakości danych. Jakość danych będzie stale monitorowana i analizowana w trakcie procesu składania i przeglądu.

Dostęp do Rejestru. Kontrola dostępu oparta na rolach (RBAC) RBAC zostanie wdrożona w celu zdefiniowania różnych poziomów dostępu w zależności od roli użytkownika. Role będą dobrze zdefiniowane i będą odpowiadać konkretnym obowiązkom i uprawnieniom.

Uwierzytelnianie Wdrożone zostaną silne mechanizmy uwierzytelniania, w tym uwierzytelnianie dwuskładnikowe (2FA), aby zapewnić dostęp do rejestru obrazów tylko autoryzowanym użytkownikom. Przed przyznaniem dostępu zostanie wykorzystany proces autoryzacji, w którym prośby użytkowników są przeglądane i zatwierdzane przez personel badania. Personel badawczy będzie regularnie przeglądał konta użytkowników i zarządzał nimi, upewniając się, że tylko aktywni użytkownicy z uzasadnionymi potrzebami dostępu mają konta w rejestrze.

Udzielanie/odwoływanie dostępu Prawa dostępu i uprawnienia dla użytkowników będą dzielone w oparciu o role i obowiązki, a użytkownikom zostaną przyznane najmniejsze niezbędne uprawnienia do wykonywania ich zadań. Odwoływanie praw dostępu zostanie usprawnione, jeśli użytkownicy zmienią role lub nie będą już potrzebować dostępu. Zespół badawczy wdroży mechanizmy rejestrowania działań użytkowników i prób dostępu. Zespół badawczy dokona przeglądu dzienników w celu wykrycia i zbadania wszelkich podejrzanych lub nieautoryzowanych działań.

Na żądanie audytorzy z określonych instytucji regulacyjnych (tj. CMS, FDA itp.) lub innych instytucji zewnętrznych mogą uzyskać tymczasowy dostęp do rejestru w celach audytowych.

Zgłaszanie incydentów Incydenty lub naruszenia bezpieczeństwa związane z nieuprawnionym dostępem będą rozpatrywane niezwłocznie, aby złagodzić wpływ incydentów związanych z bezpieczeństwem i zapobiec ich ponownemu wystąpieniu.

Wycofanie danych obrazowych Główny badacz lub IRB ma prawo w dowolnym momencie usunąć dane obrazowe ze względów medycznych, bezpieczeństwa lub administracyjnych. Zostaną zastosowane odpowiednie procedury, aby zapewnić bezpieczne wycofanie każdego obrazu z badania.

Deidentyfikacja obrazu.

Aby zapewnić bezpieczne i etyczne postępowanie z danymi OCT, zostanie wdrożony kompleksowy proces deidentyfikacji obrazu. Proces ten ma na celu systematyczne usuwanie lub zmianę informacji umożliwiających identyfikację z każdego obrazu i powiązanych z nim metadanych, przy jednoczesnym zachowaniu wartości klinicznej i badawczej obrazów. Poniższe kroki opisują kluczowe aspekty procesu deidentyfikacji:

Usuwanie identyfikatorów bezpośrednich

• Wszystkie bezpośrednie identyfikatory używane do celów indywidualnej identyfikacji, takie jak nazwiska osób, dokumentacja medyczna i numery rejestracyjne oraz daty urodzenia, zostaną dokładnie przeszukane i usunięte z danych pikselowych każdego obrazu.
• Jednocześnie te bezpośrednie identyfikatory będą również wyszukiwane i usuwane z metadanych obrazu, z wyjątkiem numeru dokumentacji medycznej, który zostanie nieodwracalnie przekształcony za pomocą kryptograficznej funkcji mieszającej.

Anonimizacja na poziomie pikseli

● W razie potrzeby określone obszary obrazu zawierające możliwe do zidentyfikowania cechy, takie jak szczegóły twarzy lub unikalne oznaczenia, ulegną zamaskowaniu lub rozmyciu. Regiony pozbawione cech diagnostycznych zostaną zamaskowane, natomiast te posiadające cechy diagnostyczne ulegną zatarciu.

Kontrola jakości

• Przeprowadzona zostanie rygorystyczna kontrola jakości, aby mieć pewność, że proces anonimizacji nie wpłynie negatywnie na wartość kliniczną obrazów.
• Przeszkoleni specjaliści dokonają przeglądu podzbioru zdeidentyfikowanych obrazów, aby sprawdzić, czy krytyczne cechy diagnostyczne zostały zachowane prawidłowo.

Szyfrowanie

• Zarówno oryginalne, jak i zdeidentyfikowane obrazy zostaną zaszyfrowane, aby zapewnić ich bezpieczeństwo podczas przechowywania i przesyłania.
• Wszystkie dane będą przechowywane w bezpiecznym środowisku z kontrolowanym dostępem, zgodnie z wymogami regulacyjnymi i najlepszymi praktykami branżowymi.

Dokumentacja

• Prowadzony będzie szczegółowy zapis procesu deidentyfikacji, obejmujący kompleksowy opis podjętych kroków, zaangażowanego personelu i wszelkich napotkanych problemów.
• Dokument ten służy jako istotna ścieżka audytu, zapewniając przejrzystość i pomagając w wykazaniu zgodności z przepisami o ochronie danych.