Identifiering av osteoporosbehandling med hjälp av maskininlärning (OPTIMAL)

OPTIMAL-försöket är en genomförbarhetspilotstudie för en förbättrad screeningmetod med hjälp av ett verktyg utvecklat med hjälp av maskininlärning. Detta verktyg har skapats av Lenus Health Ltd med hjälp av anonymiserade hälsodata från NHS GG&C för patienter mellan 50 och 80 år från och med 1 januari 2010.

Valideringskohorten kommer att inkludera alla patienter i GG&C mellan 50 och 80 år från och med 1 januari 2022 som inte är kända för att ha diagnosen osteoporos.

Nanox (israeliskt AI-företag) kommer att använda sin befintliga plattform för att analysera avidentifierade CT-skanningar av de 5 000 patienter som identifierats som högst risk i denna population för att bedöma kotfraktur, vilket kommer att användas som en parameter vid riskbedömning för osteoporos. På grund av tekniska begränsningar kan endast ett urval av patienter få sin bildbehandling bedömd av Nanox-plattformen. De 5000 patienterna med högst risk kommer att omidentifieras så att deras bilder kan extraheras och avidentifieras för analys. Vi förväntar oss att cirka 30 % av dessa patienter kommer att ha tillgänglig bildbehandling. Identifierbar data kommer att finnas kvar inom GG&C-molnet.

Försöket kommer att använda programvaran för att undersöka patienter med hög risk inom en kohort av patienter i åldern 50-80 utan diagnosen osteoporos. DXA-skanning kommer att användas som en grundsanning. Patienterna kommer att ha DXA-skanning som en del av prövningen.

Det kommer att göras en klinisk granskning för att ta bort patienter som upplevs vara olämpliga för prövningen, till exempel personer som närmar sig livets slut, eller som inte kan ge sitt samtycke. Orsaken till uteslutningen kommer att registreras för att möjliggöra granskning och bedömning av partiskhet vid urval.

Patienter, till att börja med de som löper högst risk, kommer sedan att kontaktas av Fraktursambandstjänsten tills 250 har rekryterats. Detta antal har uppnåtts baserat på effektberäkningar för att säkerställa att denna test effektivt kan jämföra OPTIMAL-verktyget med FRAX. Denna kontakt kommer att vara i form av ett brev från fraktursamarbetet och kommer med ett patientinformationsblad och samtyckesformulär. Dessa formulär har skapats med hjälp av en patienterfarenhetsgrupp.

Deltagaren, om de går med på att delta, kommer sedan att bjudas in för ett enda klinikbesök på Queen Elizabeth University Hospital.

Vid detta besök kommer en läkare att granska patienten och ställa frågor om deras hälsa. De kommer att ha blodprover som är relevanta för osteoporos, såväl som allmän hälsa. De kommer också att göra en DXA-skanning för att bekräfta om de har eller inte har osteoporos. En FRAX-poäng kommer att genereras i jämförelsesyfte.

Efter avslutad datarensning, i slutet av försöket, kommer all data att överföras till University of Strathclydes säkra servrar för analys av Dr Conor McKeag, med tillsyn av Dr David Young för att bedöma effektiviteten och noggrannheten hos OPTIMAL-verktyget. Detta kommer att jämföras med FRAX, den nuvarande standarden för riskprediktion vid osteoporos.