Prestationsutvärdering av artificiell intelligens assisterad diabetesretinopati Betyg på universitetssjukhuset i Leuven: Kan teknologin förbättra patienten? (PEARL)

Diabetes mellitus är en av vår tids största hälsoutmaningar. Det uppskattas att 642 miljoner människor kommer att diagnostiseras med denna sjukdom över hela världen år 2040. Diabetes är en sjukdom som påverkar hela kroppen och kommer med många möjliga komplikationer på grund av dess effekt på mikrovaskulaturen. Den vanligaste av dessa komplikationer är diabetisk retinopati som orsakas av både mikrovaskulära och neurala skador.

Enligt studier i USA av Eye Diseases Prevalence Research-gruppen har cirka 40 % av patienterna någon grad av retinopati. 8% av patienterna har till och med synhotande diabetisk retinopati.

Diabetisk retinopati är en av huvudorsakerna till blindhet i vårt nuvarande samhälle. Men årlig screening och snabb remiss för behandling kan förhindra att detta inträffar. Den bästa illustrationen är det faktum att sedan genomförandet av ett rikstäckande screeningprogram är diabetes mellitus inte längre den främsta orsaken till blindhet i Storbritannien.

Därför har många länder organiserat något slags screeningprogram. Det finns dock stora organisatoriska skillnader mellan länderna. Detta kan sträcka sig från en årlig dilaterad fundoskopi av en ögonläkare (som är fallet i Belgien) till icke-mydriatiska ögonbottenfotografier utvärderade av en utbildad väghyvel som inte är (para)läkare.

Även med den mest effektiva screeningvägen som möjligt kommer ökningen av patientantalet att bli ett problem eftersom den mänskliga faktorn i screeningvägen (läkare, optiker, utbildad väghyvel,...) inte kan öka sin kapacitet med samma hastighet. Det nuvarande systemet kommer att nå sina gränser vid ett eller annat tillfälle. Vidare är det känt att en betydande andel av diabetespatienterna inte följer den rekommenderade årliga screeningen. Dessa problem kommer att resultera i längre väntelistor, underdiagnostik på grund av överarbetade läkare, långa väntelistor och möjligen brist på vård av hög kvalitet.

Att bara ersätta ögonläkaren med en utbildad väghyvel kommer förmodligen inte att lösa alla dessa problem. Det kommer bara att skjuta upp dem och kommer fortfarande att förbli kostsamt och arbetsintensivt. Situationen i länder som redan använder utbildade väghyvlar bekräftar dessa misstankar. Vidare finns det också utrymme för förbättringar av kvaliteten på vården och noggrannheten i diagnosen i dessa uppställningar.

Under de senaste åren har artificiell intelligens, närmare bestämt djupinlärning, postulerats som ett sätt att lösa dessa problem. Även i de första studierna har algoritmer för djupinlärning redan visat sig nå hög känslighet och specificitet för att upptäcka refererbar diabetisk retinopati. Ytterligare utveckling av dessa algoritmer och mer grundlig forskning har bekräftat dessa fynd. Användningen av AI har studerats inom många medicinska områden, men screening för diabetisk retinopati förblir pionjären, vilket bekräftas av det första FDA-godkännandet någonsin för en medicinsk AI-applikation som är screeningsystemet för diabetisk retinopati IDx.

Aktuell forskning fokuserar mestadels på prestandan av en artificiell intelligensalgoritm som ett autonomt diagnostiskt verktyg utan interaktion med en människa vid sidan av förvärvet av bilderna. Det finns en rädsla bland medicinsk personal för att artificiell intelligens kommer att börja ersätta dem delvis inom en snar framtid och göra dem föråldrade på lång sikt. Men dessa nya teknologier kan också användas för att hjälpa vårdpersonalen att ställa diagnosen på ett mer exakt sätt snarare än att ersätta dem.

Därför vill vi i PEARL-projektet utvärdera användningen av en artificiell intelligensalgoritm som ett diagnostiskt hjälpmedel för att förbättra läkarens diagnostiska noggrannhet snarare än att ersätta läkaren, säkert i ett träningssammanhang.