Utveckling och validering av ett automatiserat självadministrerat synskärpa (AutoVA)

Synskärpan görs som en rutinmässig ögonkontroll för majoriteten av ögonpatienter på kliniken. Det görs också som ett screeningtest för hälsokontroller före anställning och hälsoscreening. Patienter kan kontrolleras för brytningsfel, på samhällsnivå eller screenas för ögonsjukdomar, för de med kroniska medicinska tillstånd. Med den ökande bördan av åldrande befolkning och ögonsjukdomar kommer antalet patienter på ögonkliniker att öka.

Det finns några befintliga onlineapplikationer som tillåter självögonkontroll, men det finns begränsningar. De görs vanligtvis på ett mellanliggande avstånd, d.v.s. avstånd från telefon till öga och representerar inte korrekt avståndsseende. Avståndsseende är vanligtvis inställt på 4-6m i en klinisk miljö.

Ett synskärptest görs av specialutbildad sjukvårdspersonal, såsom optiker och patientserviceassistenter, vilket ofta är tidskrävande och arbetskrävande, där en-till-en-vård krävs. Dessutom är synen subjektiv och omtestning kan krävas ibland för att säkerställa en korrekt synbedömning.

Eftersom synskärptestet är den första kliniska station som patienten går till efter registrering, leder detta till att en flaskhals i arbetsflödet orsakar förseningar i de efterföljande tjänsterna och så småningom ökar patientens väntetider på klinikerna.

Detta projekt syftar till att utveckla och validera en automatiserad Visual Acuity (VA) station genom tal-till-text och datorseende teknologi i jämförelse med befintliga manuella VA-bedömningar.

Vi antar att vi kan använda artificiell intelligens för att förstå patientens tal och hållning för att automatisera synskärpatestet. Vi antar också att det automatiserade synskärptestet är jämförbart med att VA kontrolleras manuellt av en klinikpersonal.