Automatiserad artritdetektering med hjälp av artificiell intelligens på smartphonefotografier (AISynovitis)

Under de senaste fyra åren har vi haft som mål att revolutionera upptäckten av artrit genom integrering av avancerad artificiell intelligens. Detta projekt syftar till att upptäcka artrit baserat på smarttelefonfotografier av ledområden som gör den skalbar och tillgänglig i samhället. Vi utvecklade först en övertygande proof-of-concept pipeline och modeller med 100 patienter. (publicerad i Frontiers in Medicine, nov 2023, där vi visade att denna teknik fungerar med rimlig noggrannhet i labbet, nämligen Technology Readiness Level ligger för närvarande på 3-4). Vi följde med ett nyare papper (skickat in för publicering, tillgängligt på preprint-servern MedRxiv) som tränade två olika CNN, en screening CNN på obeskurna händer som skiljer patienter från kontroller följt av gemensamma specifika upptäckter.

Systemet involverar stödjande infrastruktur som möjliggör effektiv upptäckt av artrit. Detta inkluderar

1. Samling av foton på ett standardiserat sätt med hjälp av specialdesignade lådor
2. Använda och testa en webbläsarpipeline
3. CNN-modellerna kommer att tränas på datamängden av fotografier som tagits i detta och resultaten kommer att distribueras till läkare i samhället. Detta säkerställer en läkare i kretsen som senare kan vidta åtgärder på resultaten för ytterligare bekräftande tester eller hantering.
4. Förstå kunskap, attityd hos patienter och läkare till AI i kliniska beslutsfattande algoritmer

Detta är en prospektiv, icke-interventionell studie och detta projekt involverar endast en utredare som tar ett smartphonefotografi av några gemensamma områden som hålls i standardiserade positioner. Detta innebär ingen risk för patienten.