人工智能检测初级保健糖尿病患者的视网膜疾病和青光眼

研究设计 该项目将遵循由 2 项伴随研究组成的方法：在第一项研究中，我们将开发一种人工智能算法来检测糖尿病患者的 DR 迹象。

该项目的第二部分将包括制定一项前瞻性研究，该研究将允许将算法的诊断能力与家庭医学医生和视网膜专家的诊断能力进行比较。 参考将是由视网膜专家进行的双盲阅读（如果前 2 次阅读不一致，则进行第三次盲读）。 这样，人工智能算法和家庭医学专家获得的结果将使用黄金标准（准确性、灵敏度、特异性、曲线下面积等）进行比较。 将考虑纳入接受过眼底读数培训的护士，以比较他们的诊断能力。

用于算法开发的研究人口、站点参与和招聘图像将由 CHS 放弃，并将包括来自整个加泰罗尼亚人口的图像。 这项前瞻性研究将在加泰罗尼亚中部的加泰罗尼亚健康研究所管理的初级保健中心进行，其中包括 Bages、Osona、Berguedà 和 Anoia 等县。 参考人群将是分配给这些初级保健中心的人群。 2017 年这一人口包括约 512,000 人，糖尿病患病率估计为 7.1%。

研究期间将包括 2010-2017 年，用于开发人工智能算法。 前瞻性研究将在算法开发完成后开始，直到获得所需的读数（大约 3-4 个月）。

研究的进行 为了开发 AI 算法，将包括 2010 年至 2017 年间来自加泰罗尼亚初级保健中心的所有标记为 DR 的患者眼底图像。 对于前瞻性研究，所有接受过眼底检查的患者的图像将从研究开始期间包括在内，直到达到足够的患者数量。 高比例的眼底图像必须具有足够的质量；即中央视网膜的 40 度视野，其中至少四分之三的视神经、聚焦良好的黄斑以及清晰的上下弧形静脉和动脉可见。 不具备足够技术质量（暗）或由于介质不透明而无法评估的眼底图像（例如，白内障）将被排除在外

数据收集 为了开发 AI 算法，有必要使用带有相应标签的匿名图像来对每幅图像进行分类（在要训练算法的类别之一中）。 负责 CHS 信息技术 (IT) 的人员将评估从 CHS 计算机系统中匿名化和提取图像的最佳策略，以及使用唯一标识符识别每个图像。 另一方面，将需要表格文件类型 CSV 或 TXT 将每个图像标识符与相应的分类相关联。 CHS 的 IT 负责人与 OPTretina 的技术经理将就以安全方式从 CHS 服务器到 OPTretina 服务器（SSH 文件传输协议，外部硬盘）取决于要传输的数据量和 CHS 的内部策略。 OPTretina 在开发用于自动眼底图像分类的 AI 模型方面经验丰富，是西班牙药品和保健品管理局认证的医疗器械制造商。

对于前瞻性研究，将收集加泰罗尼亚中部的家庭医学医生读者收集的每周匿名眼底数据读数。 图像将被传输到 OPTretina 服务器，首先由诊断算法进行分析，然后由视网膜专家进行最终诊断。 CHS 的 IT 负责人与 OPTretina 的技术经理将就以安全方式传输这些数据的最佳方式达成一致。