Клинико-генетический анализ РН ((ROP))

Это многоцентровое исследование, финансируемое NIH, началось в июле 2011 года с 8 исследовательских центров, одобренных их отдельными IRB. Набор и сбор данных проводились в следующих учреждениях: OHSU, Колумбийский университет, Корнельский колледж, больница Уильяма Бомонта, Детская больница Лос-Анджелеса, Университет Майами, Иллинойский университет в Чикаго, Медицинский центр Cedars Sinai и Asociacion para Evitar la Ceguera (APEC) в Мексике. Город. В связи с продлением гранта на конкурсной основе, которое начинается 20 января 2020 года, количество мест для найма было сокращено до 5, включая OHSU, William Beaumont, Иллинойсский университет в Чикаго, Университет Юты и Стэнфордский университет.

Это исследование будет направлено на разработку количественной основы для лечения ROP с использованием искусственного интеллекта и аналитики для улучшения клинического лечения заболеваний. Исследователи проспективно оценят эффективность системы искусственного интеллекта для диагностики и скрининга РН. Это будет включать в себя: (а) набрать цель для более чем 2000 исследований глаз, включая широкоугольные изображения сетчатки от 375 субъектов в 5 центрах, (б) оптимизировать алгоритм определения качества изображения, недавно разработанный исследователями, и (в) анализировать точность системы для диагностики РН (плюс по сравнению с пре-плюсом по сравнению с нормой) и скрининга (с использованием новой количественной шкалы тяжести сосудов).

Предлагаемая работа будет посвящена изучению младенцев, которым будут проводиться рутинные офтальмоскопические осмотры и получать изображения сетчатки при каждом осмотре в соответствии со стандартами оказания помощи в каждом учреждении. По крайней мере, один человек в каждом центре обучен делать широкоугольные изображения сетчатки с помощью имеющейся в продаже камеры (RetCam; Natus, Плезантон, Калифорния). Это устройство одобрено FDA для недоношенных детей и используется во всем мире в течение 20 лет без каких-либо известных осложнений.

Всем участвующим младенцам будет сделана фотография сетчатки глаза обученным исследовательским персоналом для проведения до 3 осмотров глаз или более, если это клинически показано и возможно. «Нерожденным младенцам», которые были переведены в исследовательский центр для специализированной помощи при РН, будет сделана по крайней мере одна серия изображений, если это клинически показано и возможно. Эти закодированные изображения сетчатки будут считываться и интерпретироваться удаленными оценщиками с использованием защищенной веб-системы, разработанной для этого исследования 9 лет назад в OHSU. Обезличенные изображения будут размещены на неопределенный срок в репозитории, утвержденном OHSU IRB, для возможных будущих исследований или для других образовательных целей.

У большинства младенцев, набранных в течение первых 9 лет этого исследования в период с июля 2011 года по май 2020 года, была взята ДНК из образцов крови или слюны. Закодированные генетические образцы размещены в хранилище, одобренном OHSU IRB, и будут проанализированы внешними сотрудниками для конкретной цели 3 этого исследования. Обратите внимание, что это текущее исследование не включает новый сбор каких-либо образцов крови или слюны.

В последние годы наша команда успешно разработала конкурентоспособные методы оценки изображений для определения статуса ROP с использованием (i) инженерных характеристик изображения, основанных на переводе описательных и визуальных описаний, связанных с экспертной оценкой. и (ii) глубоко изученные функции, основанные на сквозном обучении нейронных сетей для анализа изображений. Чтобы улучшить объяснимость модели, модели должны не только предоставлять классификационные (диагностические) метки или оценки серьезности, но также и дополнительную информацию о том, как модель формирует свои решения и что конкретное изображение влияет на решение. С этой целью модели полезно (i) визуализировать данные обучения; и (ii) проиллюстрировать, на какие особенности входного изображения в значительной степени опиралось его решение. Визуализация может обеспечить всеобъемлющую демонстрацию того, как модель принимает решения на основе набора данных с известными клиническими и демографическими характеристиками, что способствует общей интерпретируемости логики модели. Иллюстрация необходима для завоевания доверия и облегчения проверки, когда клиницисты полагаются на модель для оценки конкретного случая в различных целях, включая обучение или одобрение регулирующих органов.

При обучении системы ИИ в предыдущей работе исследователи исключили 5% изображений, которые были оценены большинством оценщиков как «неприемлемое качество». Для реального использования важно сбалансировать возможности визуализации с диагностическими характеристиками. Исследователи предлагают оценить наш существующий набор данных, чтобы определить оптимальную рабочую точку в алгоритме качества CNN, который уравновешивает возможности изображения с диагностическими характеристиками классификатора i-ROP DL. Исследователи продолжат эти исследования, чтобы систематически изучить их влияние на улучшение качества изображений и диагностических результатов, а также максимально повысить точность и воспроизводимость дизайна исследования. Затем эта рабочая точка будет «заблокирована», и закрытая система будет использоваться, как показано ниже.

Проспективная оценка классификатора i-ROP DL. Исследователи предлагают рассчитать взвешенную каппа между RSD и системой i-ROP DL, а также чувствительность, специфичность и визуализацию на основе оптимальных рабочих точек, указанных выше.

Проспективная оценка степени тяжести сосудистых заболеваний: в поперечном анализе исследователи проверят гипотезу о том, что оценка тяжести сосудистых заболеваний ROP, полученная с помощью классификатора i-ROP DL, может демонстрировать высокую чувствительность как для выявления плюс-болезни, так и для определения лечения. требующие заболевания в реальной популяции скрининга РН.